Observatorio de I+D+i UPM

Memorias de investigación
Ponencias en congresos:
Orthogonal MCMC Algorithms
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 stochastic optimization. A well-known class of MC methods are Markov Chain Monte Carlo (MCMC) algorithms. In this work, we introduce a novel parallel interacting MCMC scheme, where the parallel chains share information using another MCMC technique working on the entire population of current states. These parallel ?vertical? chains are led by random-walk proposals, whereas the ?horizontal? MCMC uses a independent proposal, which can be easily adapted by making use of all the generated samples. Numerical results show the advantages of the proposed sampling scheme in terms of mean absolute error, as well as robustness w.r.t. to initial values and parameter choice.
Internacional
Si
Nombre congreso
IEEE Workshop on Statistical Signal Processing (SSP)
Tipo de participación
960
Lugar del congreso
Gold Coast (Australia)
Revisores
Si
ISBN o ISSN
978-1-4799-4975-5
DOI
10.1109/SSP.2014.6884651
Fecha inicio congreso
29/06/2014
Fecha fin congreso
02/07/2014
Desde la página
364
Hasta la página
367
Título de las actas
Proceedings of the 2014 IEEE Workshop on Statistical Signal Processing (SSP)
Esta actividad pertenece a memorias de investigación
Participantes
  • Autor: David Luengo Garcia (UPM)
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)
S2i 2021 Observatorio de investigación @ UPM con la colaboración del Consejo Social UPM
Cofinanciación del MINECO en el marco del Programa INNCIDE 2011 (OTR-2011-0236)
Cofinanciación del MINECO en el marco del Programa INNPACTO (IPT-020000-2010-22)