Memorias de investigación
Ponencias en congresos:
An Adaptive Population Importance Sampler
Año:2014
Áreas de investigación
  • Inferencia de procesos estocásticos,
  • Inferencia no paramétrica
Datos
Descripción
Monte Carlo (MC) methods are widely used in signal processing, machine learning and communications for statistical inference and stochastic optimization. A well-known class of MC methods is composed of importance sampling and its adaptive extensions (e.g., population Monte Carlo). In this work, we introduce an adaptive importance sampler using a population of proposal densities. The novel algorithm provides a global estimation of the variables of interest iteratively, using all the samples generated. The cloud of proposals is adapted by learning from a subset of previously generated samples, in such a way that local features of the target density can be better taken into account compared to single global adaptation procedures. Numerical results show the advantages of the proposed sampling scheme in terms of mean absolute error and robustness to initialization.
Internacional
Si
Nombre congreso
IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
Tipo de participación
960
Lugar del congreso
Florencia (Italia)
Revisores
Si
ISBN o ISSN
978-1-4799-2893-4
DOI
10.1109/ICASSP.2014.6855166
Fecha inicio congreso
04/05/2014
Fecha fin congreso
09/05/2014
Desde la página
8088
Hasta la página
8092
Título de las actas
Proceedings of the 39th IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
Esta actividad pertenece a memorias de investigación
Participantes
Grupos de investigación, Departamentos, Centros e Institutos de I+D+i relacionados
  • Creador: Grupo de Investigación: Teoría de Aproximación Constructiva y Aplicaciones
  • Departamento: Teoría de la Señal y Comunicaciones (Provisional)