Превратимый последовательность в Монте Карло

arXiv: 2610,09930v1 Annualce Type: New Brief: Reversible Jump Markov Chain Monte Carlo (RJMCMC) является принципиальной основой для сопоставления байесовских моделей, однако ее практическое применение зачастую ограничено из-за сложности разработки предложений с использованием модели, которые достигают регионов высокой вероятности. Кроме того, его по своей сути последовательный характер ограничивает эффективное использование современных архитектуры ГПС. Мы решим обе проблемы, введя Anchored Reversible Jump Sequential Monte Carlo. Наш подход сочетает RJMCMC с Sequential Monte Carlo (SMC) для параллельного изучения пространства модели. Важно отметить, что популяция частиц позволяет эффективно использовать предложения моделей без конкретных проблемных знаний: частицы используются для построения приближения плотности ядра к целевым распределениям в рамках каждой модели, которые затем используются для подготовки предложений по трансмеру. Цифровые эксперименты показывают, что предлагаемый метод является эффективным и конкурентоспособным с использованием современных методов RJM