Bounding the convergence time of the Gibbs sampler in Bayesian image restoration
贝叶斯图像复原中Gibbs采样器收敛时间的界AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究图像复原的MCMC计算与耦合界，未涉及所列经济或金融细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
贝叶斯图像复原中Gibbs采样器收敛时间的界
- 研究问题
- 当马尔可夫链转移保持状态空间上的偏序时，如何预先界定MCMC收敛时间，并应用于贝叶斯图像复原的Gibbs采样？
- 方法与思路
- 作者利用保持偏序的链所适用的耦合方法，分析每次仅更新一个像素的随机扫描Gibbs采样器，构造先验收敛时间界。
- 材料陈述的贡献
- 摘要称得到与像素数有关的收敛时间上界及容易计算的比例常数，并指出这些界可提示从过去耦合算法的运行时间。
- 阅读关注点
- 阅读时应核对偏序保持条件、收敛距离和精度要求、常数的计算方式，并查原PDF确认像素数对应的增长阶。
- 阅读边界
- 依据稿件版本未注明的OpenAlex索引摘要；“N2”可能丢失上标，不能据此确认增长阶，且常数和完整适用条件未提供。
原文摘要
This paper shows how coupling methodology can be used to give precise, a priori bounds on the convergence time of Markov chain Monte Carlo algorithms for which a partial order exists on the state space which is preserved by the Markov chain transitions. This methodology is applied to give a bound on the convergence time of the random scan Gibbs sampler used in the Bayesian restoration of an image of N pixels. For our algorithm, in which only one pixel is updated at each iteration, the bound is a constant times N2. The proportionality constant is given and is easily calculated. These bounds also give an indication of the running time of coupling from the past algorithms.