Updating Schemes, Correlation Structure, Blocking and Parameterization for the Gibbs Sampler
Gibbs 采样器的更新方案、相关结构、分块与参数化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：摘要聚焦通用 Gibbs 采样计算理论，贝叶斯线性模型例子不足以确定所列细分方向。
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
Gibbs 采样器的更新方案、相关结构、分块与参数化
- 研究问题
- Gibbs 采样器的更新次序、变量分块和参数化如何影响收敛，其效果又怎样随目标分布的维数与相关结构变化？
- 方法与思路
- 作者对高斯目标分布推导可精确计算的收敛速率，据此比较随机及非随机更新、分块策略，并分析不同参数化。
- 材料陈述的贡献
- 摘要称得到高斯目标下的精确收敛速率，并通过图像分析和贝叶斯线性模型案例比较策略及刻画最优参数化选择。
- 阅读关注点
- 应核对收敛速率的度量、各更新方案的计算成本、相关结构的影响，以及最优参数化结论的比较范围与适用条件。
- 阅读边界
- 仅据所给 Crossref 摘要；精确速率针对高斯目标，摘要未说明非高斯推广或单位计算成本收益，不能推断普遍最优策略。
原文摘要
Summary In this paper many convergence issues concerning the implementation of the Gibbs sampler are investigated. Exact computable rates of convergence for Gaussian target distributions are obtained. Different random and non-random updating strategies and blocking combinations are compared using the rates. The effect of dimensionality and correlation structure on the convergence rates are studied. Some examples are considered to demonstrate the results. For a Gaussian image analysis problem several updating strategies are described and compared. For problems in Bayesian linear models several possible parameterizations are analysed in terms of their convergence rates characterizing the optimal choice.