Discontinuous Hamiltonian Monte Carlo for discrete parameters and discontinuous likelihoods
用于离散参数与不连续似然的非连续哈密顿蒙特卡洛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：摘要研究通用后验计算算法，离散参数本身不足以归入离散选择或结构估计方向。
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…
用于离散参数与不连续似然的非连续哈密顿蒙特卡洛
- 研究问题
- 如何扩展哈密顿蒙特卡洛，使其有效探索密度不连续的目标分布，并处理通过连续空间嵌入表示的有序离散参数？
- 方法与思路
- 作者以非连续哈密顿动力学理论为基础，设计相应数值求解器，并将概率质量函数嵌入连续空间以开展后验采样。
- 材料陈述的贡献
- 摘要称所提求解器能够精确保留哈密顿量，并通过困难后验推断问题展示广泛适用性与有竞争力的计算表现。
- 阅读关注点
- 应核对不连续点处的动力学规则、离散参数嵌入方式，以及精确保留哈密顿量和有效后验采样分别需要哪些条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断求解器的具体限制、采样效率指标或比较基准，也不能据此确认所有离散参数均适用。
原文摘要
Summary Hamiltonian Monte Carlo has emerged as a standard tool for posterior computation. In this article we present an extension that can efficiently explore target distributions with discontinuous densities. Our extension in particular enables efficient sampling from ordinal parameters through the embedding of probability mass functions into continuous spaces. We motivate our approach through a theory of discontinuous Hamiltonian dynamics and develop a corresponding numerical solver. The proposed solver is the first of its kind, with a remarkable ability to exactly preserve the Hamiltonian. We apply our algorithm to challenging posterior inference problems to demonstrate its wide applicability and competitive performance.