Optimal Scaling of Discrete Approximations to Langevin Diffusions
Langevin 扩散离散近似的最优尺度选择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：摘要研究通用蒙特卡洛算法的尺度与计算效率，未明确对应所列经济或金融方向。
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…
Langevin 扩散离散近似的最优尺度选择
- 研究问题
- 由 Langevin 扩散构造的 Hastings-Metropolis 算法应如何选择提议尺度，其高维效率如何评价？
- 方法与思路
- 作者推导渐近扩散极限定理，以总体接受率刻画相对效率，并用示例模拟与随机游走 Metropolis 比较。
- 材料陈述的贡献
- 摘要给出渐近最优接受率 0.574，并声称该算法的维度复杂度优于随机游走 Metropolis。
- 阅读关注点
- 应核对目标分布类别、尺度与维度的关系、效率及复杂度定义，并确认接受率最优结论依赖的渐近设定。
- 阅读边界
- 仅依据 Crossref 摘要；适用条件未说明，0.574 不能直接当作通用调参规则。复杂度指数排版需查原PDF确认。
原文摘要
Summary We consider the optimal scaling problem for proposal distributions in Hastings-Metropolis algorithms derived from Langevin diffusions. We prove an asymptotic diffusion limit theorem and show that the relative efficiency of the algorithm can be characterized by its overall acceptance rate, independently of the target distribution. The asymptotically optimal acceptance rate is 0.574. We show that, as a function of dimension n, the complexity of the algorithm is O(n1/3), which compares favourably with the O(n) complexity of random walk Metropolis algorithms. We illustrate this comparison with some example simulations.