PDF全文:./mcmc.pdf
论文中的源代码可以在这个存储库中找到。
马尔可夫链蒙特卡罗 (MCMC)是一种通过在复杂模型中模拟来估计统计量的技术。受限玻尔兹曼机(RBM)是机器学习领域的关键模型。然而,训练大型 RBM 模型将包括难以计算的配分函数,即 Z(θ)。这个问题引起了人们对使用 MCMC 方法进行估计的工作的兴趣。在本文中,我们首先进行了Metropolis-Hastings 算法,这是最流行的采样方法之一,并分析了它的正确性和性能,以及接受率的选择。然后我们实现三种算法:TAP、AIS、RTS, 来估计 RBM 模型的配分函数。我们的工作不仅介绍了可用的算法,而且系统地比较了它们之间的性能和差异。我们力求提供 MCMC 领域的整体观点
2022-06-07 18:06:54
70.55MB
算法
文档资料