ギブスサンプラーにおける部分木の同時更新
スポンサーリンク
概要
- 論文の詳細を見る
マルコフチェーンモンテカルロ(MCMC)法の一類として単一変数更新MCMCがありその1つがギブスサンプラーである. ギブスサンプラーは情報幾何的に見ると, ある多様体に沿ってマルコフ連鎖の確率分布を目標分布に最も近い点に移動させることを繰り返す一種の貪欲算法である. さらにギブスサンプラーは単一変数更新MCMCのなかで時間的に連続する変数間の独立性を最大化するものである. ギブスサンプラーで複数のノードを1つのノードとみなし更新を行うと目標分布への収束が速くなり, また連続する変数間の独立性も増すが, 引き換えに計算量的は増大する. 本論分ではループを持たないような複数のノードを同時に更新する手法を提案する. 計算量は通常の単一変数更新ギブスサンプラーと同じである. 数値実験を行い通常のギブスサンプラーと本手法を比較した.
- 2005-01-18
著者
関連論文
- Progressive Contrastive Divergence法
- ギブスサンプラーにおける部分木の同時更新
- Gibbs sampler の分布収束最適性
- 新グラフィカルモデル「発火過程ネットワーク」 : 学習の簡単な新モデル(第15回情報論的学習理論ワークショップ)