Convergence properties of the Gibbs sampler for perturbations of Gaussians
高斯分布扰动下 Gibbs 采样器的收敛性质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：摘要研究通用 Gibbs 采样算法的算子谱性质，未给出所列应用细分的依据。
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
高斯分布扰动下 Gibbs 采样器的收敛性质
- 研究问题
- 随机扫描 Gibbs 采样器在高斯目标分布及其有界扰动下具有怎样的第二特征值，两块算法对此类扰动如何响应？
- 方法与思路
- 作者精确计算高斯情形下马尔可夫算子的第二特征值，用比较引理控制有界扰动，并计算特定两块扰动在零点的导数。
- 材料陈述的贡献
- 摘要称给出优于此前界的第二特征值上界，且对指定扰动形式得到精确导数，以扰动函数 Hessian 矩阵的期望表示。
- 阅读关注点
- 应核对扫描概率、算子与特征值的定义、有界扰动的范围，以及两块导数结果的正则条件和上界比较采用的基准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；界的数值改进及其与具体收敛指标的联系未说明，不能推广到任意目标分布。
原文摘要
The exact second eigenvalue of the Markov operator of the Gibbs sampler with random sweep strategy for Gaussian densities is calculated. A comparison lemma yields an upper bound on the second eigenvalue for bounded perturbations of Gaussians which is a significant improvement over previous bounds. For two-block Gibbs sampler algorithms with a perturbation of the form $\chi(g_1(x^{(1)}) + g_2(x^{(2)}))$ the derivative of the second eigenvalue of the algorithm is calculated exactly at $\chi = 0$, in terms of expectations of the Hessian matrices of $g_1$ and $g_2$.