Unbiased Hamiltonian Monte Carlo with couplings
通过耦合实现无偏 Hamiltonian Monte CarloAI 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：摘要研究通用蒙特卡洛计算与链耦合；逻辑回归和点过程仅作示例，未提供所列经济领域的直接研究依据。
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…
通过耦合实现无偏 Hamiltonian Monte Carlo
- 研究问题
- 如何将 Hamiltonian Monte Carlo 估计并行化，使独立重复估计可平均，并以重复次数增加实现一致性？
- 方法与思路
- 作者构造能在随机迭代次数后精确相遇的两条耦合链，组合其输出获得无偏估计，再并行生成独立重复。
- 材料陈述的贡献
- 摘要称，该构造提供无偏且可并行平均的估计，并在高维示例、逻辑回归与对数高斯 Cox 模型中考察效率。
- 阅读关注点
- 应核对无偏估计的构造、链相遇的条件和时间分布，以及参数选择、方差与计算成本如何影响并行效率。
- 阅读边界
- 仅据所给 Crossref 摘要；相遇与无偏性所需条件、效率数值及版本差异未说明，不能据 DOI 推断其他版本内容。
原文摘要
Summary We propose a method for parallelization of Hamiltonian Monte Carlo estimators. Our approach involves constructing a pair of Hamiltonian Monte Carlo chains that are coupled in such a way that they meet exactly after some random number of iterations. These chains can then be combined so that the resulting estimators are unbiased. This allows us to produce independent replicates in parallel and average them to obtain estimators that are consistent in the limit of the number of replicates, rather than in the usual limit of the number of Markov chain iterations. We investigate the scalability of our coupling in high dimensions on a toy example. The choice of algorithmic parameters and the efficiency of our proposed approach are then illustrated on a logistic regression with 300 covariates and a log-Gaussian Cox point processes model with low- to fine-grained discretizations.