参考ページ集
PDMP とそのシミュレーションに関しては,次のスライドにわかりやすく解説されています:
図は全て発表者開発のパッケージ PDMPFlux.jl
によるものです.
Sticky PDMP (Bierkens et al., 2023) に関するさらに詳しい内容,またはベイズ変数選択一般については,次の記事にまとめています:
References
Bierkens, J., Grazzi, S., Meulen, F. van der, and Schauer, M. (2023).
Sticky PDMP Samplers for Sparse and Local Inference Problems.
Statistics and Computing,
33(1), 8.
Citation
BibTeX citation:
@online{2025,
author = {, 司馬博文},
title = {PDMP
{によりスパイク付きの非絶対連続分布からもサンプリングが可能}},
date = {2025-03-08},
url = {https://162348.github.io/posts/2025/Posters/NewRegime.html},
langid = {en},
abstract = {PDMP
とはマルコフ連鎖,拡散過程に続いて,近年活発にモンテカルロ法に利用されつつある連続時間マルコフ過程のクラスである.より速く収束するサンプラーが構成しやすいこと,モンテカルロ推定量にバイアスを導入しないようなサブサンプリング(バッチ実行)が可能であることから,近年特に統計・機械学習の分野でも注目が高まっている.
本ポスター発表ではさらに,「 \$\textbackslash delta\_x\$
部分を持った非絶対連続確率分布からも正確なサンプリングが可能」という
PDMP に基づくモンテカルロ法の第3の美点に焦点を当てる. PDMP
法と従来法との挙動の違いを調べるために,スパイク幅が \$0\$
に収束する極限という従来考えられなかったレジームを導入する.
このレジームにおいて,従来法はスパイクの検出に失敗し,誤った分布からサンプリングを行ってしまう.
一方で PDMP 法はスパイクの台への到達確率が \$0\$
でない限り,正しい分布からサンプリングを行うことができる.
加えて極限もまた別の PDMP
となり,これを直接シミュレートすることで,\$\textbackslash delta\$
部分を持った非絶対連続分布からの効率的なサンプリングが可能になる.}
}
For attribution, please cite this work as: