Search results for "Metropolis-algoritmi"
showing 2 items of 2 documents
Simuloidun jäähdytyksen suppenemislause
2013
Tämä pro gradu -tutkielma käsittelee simuloitu jäähdytys -nimisen kombinatorisen optimointimenetelmän teoriaa ja käytäntöä. Esimerkiksi kuvankäsittelyssä sovelletun algoritmin ideana on löytää annetulla joukolla määritellyn reaaliarvoisen energiafunktion globaali minimikohta sallimalla - ei pelkästään energiaa vähentäviä - vaan myös energiaa kasvattavia siirtymiä lähtöjoukon alkioiden välillä. Tilastolliseen fysiikkaan analogian omaavan, Gibbsin jakauman ominaisuuksiin pohjautuvan menetelm än matemaattisena perustana toimivat epähomogeeniset Markovin ketjut, joiden suppenemista tarkastellaan Dobrushinin kontraktiokerroinmenetelmän avulla. Simuloidun jäähdytyksen suppenemislause, joka takaa …
Can the adaptive Metropolis algorithm collapse without the covariance lower bound?
2011
The Adaptive Metropolis (AM) algorithm is based on the symmetric random-walk Metropolis algorithm. The proposal distribution has the following time-dependent covariance matrix at step $n+1$ \[ S_n = Cov(X_1,...,X_n) + \epsilon I, \] that is, the sample covariance matrix of the history of the chain plus a (small) constant $\epsilon>0$ multiple of the identity matrix $I$. The lower bound on the eigenvalues of $S_n$ induced by the factor $\epsilon I$ is theoretically convenient, but practically cumbersome, as a good value for the parameter $\epsilon$ may not always be easy to choose. This article considers variants of the AM algorithm that do not explicitly bound the eigenvalues of $S_n$ away …