Reversible Jump, Birth-and-Death and More General Continuous Time Markov Chain Monte Carlo Samplers
可逆跳跃、出生死亡及更一般的连续时间 MCMC 采样器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：摘要讨论变维模型的通用蒙特卡洛采样方法；隐马尔可夫模型只是示例，不足以指定所列领域细分。
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…
可逆跳跃、出生死亡及更一般的连续时间 MCMC 采样器
- 研究问题
- 在维度可变的统计模型中，可逆跳跃与连续时间出生死亡采样有何关系，连续时间方法能否容纳更多跳跃形式？
- 方法与思路
- 作者将出生死亡框架扩展至拆分合并等跳跃，在混合分布和隐马尔可夫模型中示例，并研究时间重缩放后的链极限。
- 材料陈述的贡献
- 摘要称适当重缩放下，可逆跳跃链收敛到连续时间出生死亡过程；混合分布中的数值比较也显示两类方法相似。
- 阅读关注点
- 应核对跳跃率与接受机制、时间重缩放及收敛条件，并查看混合模型和隐马尔可夫模型中的具体实现与比较指标。
- 阅读边界
- 仅据所给 Crossref 摘要；未提供收敛条件和数值比较细节，不能据此判断哪类采样器普遍更高效。
原文摘要
Summary Reversible jump methods are the most commonly used Markov chain Monte Carlo tool for exploring variable dimension statistical models. Recently, however, an alternative approach based on birth-and-death processes has been proposed by Stephens for mixtures of distributions. We show that the birth-and-death setting can be generalized to include other types of continuous time jumps like split-and-combine moves in the spirit of Richardson and Green. We illustrate these extensions both for mixtures of distributions and for hidden Markov models. We demonstrate the strong similarity of reversible jump and continuous time methodologies by showing that, on appropriate rescaling of time, the reversible jump chain converges to a limiting continuous time birth-and-death process. A numerical comparison in the setting of mixtures of distributions highlights this similarity.