The Collapsed Gibbs Sampler in Bayesian Computations with Applications to a Gene Regulation Problem
贝叶斯计算中的折叠 Gibbs 抽样及基因调控应用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：摘要贡献属于通用贝叶斯模拟算法，所给应用为基因调控，缺少归入所列计量细分领域的依据。
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
贝叶斯计算中的折叠 Gibbs 抽样及基因调控应用
- 研究问题
- 在贝叶斯计算与缺失数据问题中，如何通过分组或折叠抽样步骤改进 Gibbs 模拟，并计算相关后验比较量？
- 方法与思路
- 作者用算子理论比较非可逆马尔可夫链的模拟方案；在缺失数据问题中跳过部分参数抽样，形成预测更新方式。
- 材料陈述的贡献
- 摘要称从算子范数角度论证分组与折叠通常有益，给出不完整观测下后验赔率的计算程序，并展示蛋白结合位点应用。
- 阅读关注点
- 应核对分组与折叠的区别、算子比较所需条件，以及理论改善如何对应实际混合速度、计算成本与后验赔率精度。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；理论比较的具体条件未说明，不能断言所有折叠方案都更快或更准确。
原文摘要
This article describes a method of “grouping” and “collapsing” in using the Gibbs sampler and proves from an operator theory viewpoint that the method is in general beneficial. The norms of the forward operators associated with the corresponding nonreversible Markov chains are used to discriminate among different simulation schemes. When applied to Bayesian missing data problems, the idea of collapsing suggests skipping the steps of sampling parameter(s) values in standard data augmentation. By doing this, we obtain a predictive update version of the Gibbs sampler. A procedure of calculating the posterior odds ratio via the collapsed Gibbs sampler when incomplete observations are involved is presented. As an illustration of possible applications, three examples, along with a Bayesian treatment for identifying common protein binding sites in unaligned DNA sequences, are provided.