Towards scaling up markov chain monte carlo , an adaptive subsampling approach
Los mťodos Monte Carlo mediante cadenas de Markov se estiman a menudo como demasiado intensivos en třminos computacionales para tener algn͠ uso prc̀tico para grandes conjuntos de datos. En este documento se describe una metodologa̕ que pretende escalar el algoritmo Metropolis-Hastings (MH) en este...
Saved in:
| Other Authors: | , , , |
|---|---|
| Format: | Book |
| Language: | English |
| Subjects: | |
| Online Access: | Towards scaling up markov chain monte carlo , an adaptive subsampling approach |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
| LEADER | 00000nam a22000004a 4500 | ||
|---|---|---|---|
| 001 | vpro7913 | ||
| 005 | 20201223000000.0 | ||
| 008 | 140609s2014 ck # g## #001 0#eng#d | ||
| 020 | |||
| 022 | |a 1938-7228 | ||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a eng | |
| 245 | 1 | 0 | |a Towards scaling up markov chain monte carlo , an adaptive subsampling approach |
| 246 | |a Hacia el escalado de monte carlo mediante cadenas de markov : un enfoque de submuestreo adaptativo | ||
| 264 | |a Bogot ̀(Colombia) : |b Revista VirtualPRO, |c 2014 | ||
| 520 | 3 | |a Los mťodos Monte Carlo mediante cadenas de Markov se estiman a menudo como demasiado intensivos en třminos computacionales para tener algn͠ uso prc̀tico para grandes conjuntos de datos. En este documento se describe una metodologa̕ que pretende escalar el algoritmo Metropolis-Hastings (MH) en este contexto. Se propone una implementacin̤ aproximada del paso aceptar/rechazar del MH que requiera n͠icamente evaluar la probabilidad de un subconjunto aleatorio de los datos, aunque se garantiza que coincida con el paso aceptar/rechazar fundamentado en el conjunto de datos completo con una probabilidad superior al nivel de tolerancia especificado por el usuario. | |
| 650 | \ | \ | |a Anl̀isis de contenido |
| 650 | \ | \ | |a Administracin̤ |
| 650 | \ | \ | |a Investigacin̤ operacional |
| 650 | \ | \ | |a Subject analysis |
| 650 | \ | \ | |a Management |
| 650 | \ | \ | |a Operations research |
| 650 | \ | \ | |a Ciencias de la administracin̤ |
| 650 | \ | \ | |a Anl̀isis de markov |
| 650 | \ | \ | |a cadenas de markov |
| 650 | \ | \ | |a Mťodos monte carlo mediante cadenas de markov |
| 650 | \ | \ | |a Algoritmo metropolis-hastings |
| 650 | \ | \ | |a Submuestreo adaptativo |
| 650 | \ | \ | |a Administration sciences |
| 650 | \ | \ | |a Markov analysis |
| 650 | \ | \ | |a Markov chains |
| 650 | \ | \ | |a Monte carlo methods using markov chains |
| 650 | \ | \ | |a Metropolis-hastings algorithm |
| 650 | \ | \ | |a Adaptive subsampling |
| 700 | \ | \ | |a Bardenet Rm̌i |
| 700 | \ | \ | |a Doucet Arnaud |
| 700 | \ | \ | |a Holmes Chris |
| 700 | \ | \ | |a Proceedings of Machine Learning Research (PMLR) |
| 856 | |z Towards scaling up markov chain monte carlo , an adaptive subsampling approach |u https://virtualpro.unach.elogim.com/biblioteca/hacia-el-escalado-de-monte-carlo-mediante-cadenas-de-markov-un-enfoque-de-submuestreo-adaptativo | ||