Observatorio de I+D+i UPM

Memorias de investigación
Ponencias en congresos:
A Gradient Adaptive Population Importance Sampler
Año:2015
Áreas de investigación
  • Tecnología electrónica y de las comunicaciones
Datos
Descripción
Monte Carlo (MC) methods are widely used in signal processing and machine learning. A well-known class of MC methods is composed of importance sampling and its adaptive extensions (e.g., population Monte Carlo). In this paper, we introduce an adaptive importance sampler using a population of proposal densities. The novel algorithm dynamically optimizes the cloud of proposals, adapting them using information about the gradient and Hessian matrix of the target distribution. Moreover, a new kind of interaction in the adaptation of the proposal densities is introduced, establishing a trade-off between attaining a good performance in terms of mean square 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
Brisbane (Australia)
Revisores
Si
ISBN o ISSN
978-1-4673-6997-8
DOI
Fecha inicio congreso
19/04/2015
Fecha fin congreso
24/04/2015
Desde la página
4075
Hasta la página
4079
Título de las actas
Proceedings of the 40th IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
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)