2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩30頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文首先介紹了Monte Carlo方法以及常用的Markov Chain MonteCarlo(MCMC)方法,并指出他們的不足所在,然后針對(duì)這些方法的不足,引入了Slice Sampling(切片抽樣)方法。通過(guò)這兩種方法的模擬分析得到切片抽樣可以降低計(jì)算成本的結(jié)論。本文采用數(shù)值模擬的方法來(lái)進(jìn)行比較分析,替換了軟件原有的Gibbs抽樣,發(fā)現(xiàn)切片抽樣具有高效性這一事實(shí)。最后文章討論了現(xiàn)有隨機(jī)模擬方法的不足和改進(jìn)方向。 隨著貝葉

2、斯理論的不斷發(fā)展以及計(jì)算機(jī)硬件的不斷更新,出現(xiàn)了MarkovChain Monte Carlo(MCMC)方法。目前,MCMC方法已經(jīng)逐漸作為在統(tǒng)計(jì)推斷中解決高維數(shù)值問(wèn)題的強(qiáng)大而普遍的工具,這些問(wèn)題包括需要高維積分的復(fù)雜似然函數(shù)的估計(jì)。MCMC算法的使用是建立在貝葉斯推斷的框架下的,其基本假設(shè)是:所有的模型參數(shù)分別服從特定的先驗(yàn)分布。 一個(gè)貝葉斯推斷是基于后驗(yàn)密度函數(shù)的參數(shù)的,也就是說(shuō)對(duì)第j個(gè)參數(shù)θ,考慮一個(gè)分層模型的貝葉斯形式

3、的例子: 標(biāo)準(zhǔn)化常數(shù)b,與參數(shù)θ獨(dú)立,因此對(duì)參數(shù)θ的估計(jì),如后驗(yàn)眾數(shù)或后驗(yàn)均值的估計(jì)可以由f(θ,y)單獨(dú)導(dǎo)出。如果θ的先驗(yàn)分布π(·)是常數(shù)(稱作平面先驗(yàn)或無(wú)信息先驗(yàn)),那么它的后驗(yàn)分布有效的正比于它的似然函數(shù)。因此,后驗(yàn)眾數(shù)在數(shù)值上與極大似然估計(jì)相同。所以,通常需要β和D的平面先驗(yàn)或無(wú)信息先驗(yàn)(與共軛先驗(yàn)相對(duì))。 對(duì)于上述模型,后驗(yàn)分布的積分往往難以計(jì)算,這就需要引入本文第二章所介紹的隨機(jī)模擬方法。其中,廣泛認(rèn)可的M

4、CMC方法--Gibbs抽樣解決了積分的問(wèn)題。但隨著研究的深入,Gibbs抽樣的不足也逐漸被認(rèn)識(shí)?;谶@些不足,本文在第三章引入了Slice Sampler(切片抽樣),它均勻地從密度函數(shù)的圖像上抽樣,可以作為一種分布抽樣的方法。我們可以這樣構(gòu)建一個(gè)收斂到一個(gè)均勻分布Markov鏈:交替的在垂直方向均勻抽樣以及從這個(gè)垂直位置所定義的水平切片抽樣來(lái)實(shí)現(xiàn)。在這種切片抽樣上的變化可以很容易的在單變量分布上實(shí)現(xiàn),同時(shí)也可以通過(guò)輪流更新變量使其從

5、多變量分布抽樣,其模型如下: 1.指定u及條件分布π(u│x) 2.構(gòu)建聯(lián)合分布π(x,u)=π(x)π(u│x) 3.定義轉(zhuǎn)移核P<,u>((x,u)→(x,u'))以及P<,x>((x,u)→(x’,u')),使得兩個(gè)核都服從π(x,u)4.通過(guò)系統(tǒng)掃描轉(zhuǎn)移核P<,x>P<,u>生成現(xiàn)實(shí)值(x<'1>,u<'1>),…,(x<'N>,u<'N>)這種方法比Gibbs抽樣更容易實(shí)現(xiàn),而且可能比簡(jiǎn)單構(gòu)造的Metr

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論