arXiv 机器学习· Daniele Nikzad, Mikko Koivisto·· 7 小时前AI 评分28
面向 DAG 采样的 Metropolis-Hastings 算法泛化研究
Generalizing Metropolis-Hastings for DAG Sampling
AI 导读
研究者提出了用于近似有向无环图（DAG）后验分布的 duet sampling 算法，对传统 Metropolis-Hastings 算法进行了泛化。该方法在每次迭代中从候选池中选取两个提议分布，分别用于生成候选状态和评估返回当前状态，在不增加额外计算成本的情况下提升了马尔可夫链的混合效率。实验表明，基于该算法构建的多节点重采样新算子在性能上超越了现有 SOTA 方法。
来源：arXiv 机器学习 · arxiv.org