arXiv 1502.024382015-02-09stat.CO

基于序列模拟的模糊马尔可夫链的遍历性

Ergodicity of Fuzzy Markov Chains Based on Simulation Using Sequences

Behrouz Fathi Vajargah, Maryam Gharehdaghi

摘要：

如文[1]所示，我们利用Halton拟随机发生器约化了模糊马尔可夫链的周期性。本文利用两种不同的拟随机序列Faure和Kronecker生成模糊马尔可夫链的隶属度。通过仿真表明，用Kronecker序列模拟的遍历模糊马尔可夫链的个数比用Faure序列模拟的要多。

英文摘要：

As shown in [1], we reduce periodicity of fuzzy Markov chains using the Halton quasi-random generator. In this paper, we employ two different quasi-random sequences namely Faure and Kronecker to generate the membership values of fuzzy Markov chain. Using simulation it is revealed that the number of ergodic fuzzy Markov chain simulated by Kronecker sequences is more than the one obtained by Faure sequences.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

Markov跳过程和CTBN的Rao和Teh算法的几何遍历性

Geometric ergodicity of Rao and Teh's algorithm for Markov jump processes and CTBNs

Rao和Teh（2012，2013）介绍了一种有效的MCMC算法，用于从隐马尔可夫跳跃过程的后验分布中进行采样。该算法基于虚拟跳跃采样的思想。本文证明了由Rao和Teh算法生成的马尔可夫链是几何遍历的。为此，我们建立了一个几何漂移的条件向一个小的集合。一个类似的结果也证明了一个特殊版本的算法，用于连续时间贝叶斯网络的概率推理。

2016-06-27stat.CO

近似贝叶斯计算中马尔可夫链蒙特卡罗核的方差界和几何遍历性

Variance bounding and geometric ergodicity of Markov chain Monte Carlo kernels for approximate Bayesian computation

在处理贝叶斯推断中越来越常见的完全难以处理的似然函数时，近似贝叶斯计算已经成为标准的计算工具。我们发现，许多常见的马尔可夫链蒙特卡罗内核，以方便在这种情况下的推理可能无法方差边界，因此几何遍历，这可能会产生后果的可靠性估计在实践中。这种现象通常与近似中公差的选择无关。然后，我们证明，最近推出的马尔可夫核在这种情况下，可以继承方差边界和几何遍历性，从其棘手的大都市-黑斯廷斯对应，在合理的薄弱和易于管理的条件下。我们表明，这种替代内核的计算成本是有界的，只要事先是适当的，并提出指示性的结果的一个例子，其中频谱间隙和渐近方差可以计算，以及一个例子，涉及部分和离散观察，时间齐次，纯跳马尔可夫过程的推断。我们还提供了两个一般定理，其中之一提供了一个简单的充分条件，缺乏可逆内核的方差界和其他提供了一个积极的结果，关于继承的方差界和几何遍历的混合物的可逆内核。

2014-03-25stat.COstat.ME

弹性粒子采样器的指数遍历性

Exponential Ergodicity of the Bouncy Particle Sampler

基于分段确定性马尔可夫过程的不可逆马尔可夫链蒙特卡罗方法近年来被广泛应用于概率论、自动控制、物理和统计等领域。虽然这些算法在实验上表现出良好的性能，并因此越来越多地用于广泛的应用，几何遍历性的结果，这些计划只建立到目前为止，在非常严格的假设。我们在这里给可验证的条件下，在\cite{P_dW_12}中引入的弹性粒子采样算法的目标分布是几何遍历。只要目标满足曲率条件，并且尾部的衰减速度至少与指数分布一样快，最多与高斯分布一样快，这一点就成立。这使我们能够提供一个中心极限定理相关的遍历平均。当目标的尾巴薄于高斯分布，我们提出了一个原始的修改，这个计划是几何遍历。对于厚尾的目标分布，如$t$ -分布，我们扩展了\cite{J_G_12}在随机游动大都会背景下开创的想法。我们应用一个变量的变化，以获得一个转换后的目标满足尾部条件的几何遍历。通过使用Bouncy粒子采样器对变换后的目标进行采样，并将马尔可夫过程映射回原始参数化，得到了一种几何遍历算法。

2017-08-27stat.CO

马尔可夫链的超V一致遍历性

Hyper-V uniform ergodicity of Markov chains

University of Florida（佛罗里达大学）

该研究提出超V一致遍历性概念，通过新的漂移与局部极小化条件推导更强收敛保证，确立最优收敛界，应用于两类吉布斯采样器并简化二元采样器收敛分析。

2026-08-14math.STstat.COstat.TH

二分量Gibbs采样器的几何遍历性和扫描策略

Geometric Ergodicity & Scanning Strategies For Two-Component Gibbs Samplers

在任何马尔可夫链蒙特卡罗分析中，链向其目标概率分布的快速收敛具有重要的理论和实践意义。以几何速率收敛的链是几何遍历的。在本文中，我们探讨了几何遍历两个组件的吉布斯采样器，根据选定的扫描策略，通过结合一次更新的两个组件。我们比较收敛行为之间和三个这样的战略：组成，随机序列扫描，随机扫描。我们的主要结果是双重的。首先，我们建立，如果吉布斯采样器是几何遍历下的任何一个这些策略，所以也是其他的。此外，我们建立了一个简单的和可验证的充分条件的几何遍历的吉布斯采样。我们的结果说明使用两个例子。

2012-10-04stat.CO

混合与合成下的均匀遍历性与几何遍历性--广义马尔可夫链蒙特卡罗

Component-Wise Markov Chain Monte Carlo: Uniform and Geometric Ergodicity under Mixing and Composition

在马尔可夫链蒙特卡罗中，通常的做法是每次更新一个变量（或变量的子块），而不是进行单个全维更新。当可以从与目标相关联的每个全条件分布中提取时，这仅仅是吉布斯采样器。通常至少有一个吉布斯更新被替换为Metropolis-Hastings步骤，产生Metropolis-Hastings-within-Gibbs算法。组合组件更新的策略包括组合、随机序列和随机扫描。虽然这些策略可以简化MCMC的实现，并产生优越的经验性能相比，全维更新，相关的马尔可夫链的理论收敛性能受到了有限的关注。我们提出的条件下，一些组件明智的马尔可夫链收敛到平稳分布的几何速度。我们特别注意的各种组件明智的策略的收敛速度之间的连接。这一点很重要，因为它确保了MCMC从业者可以使用的工具的存在，以便对仿真结果充满信心，就好像它们是基于独立和相同分布的样本一样。我们说明我们的结果在两个例子，包括分层线性混合模型和一个涉及极大似然估计的混合模型。

2013-10-02stat.COstat.ME

更多相关论文收起更多论文

Fourier变换MCMC、重尾分布和几何遍历性

Fourier transform MCMC, heavy tailed distributions and geometric ergodicity

马尔可夫链蒙特卡罗方法在应用数学中作为一种对复杂和高维分布进行数值积分的工具变得越来越流行。然而，MCMC方法的应用重尾分布和分布的分析棘手的密度证明是相当成问题的。在本文中，我们提出了一种新的方法对使用MCMC算法的分布与分析已知的傅立叶变换，特别是重尾分布。该方法的主要思想是在傅立叶域中使用MCMC方法，从与底层特征函数的绝对值成比例的密度中采样。随后的应用程序的Parseval的公式导致一个有效的算法计算积分的基础密度。我们证明了即使在重尾原始分布的情况下，所得到的傅立叶域中的马尔可夫链也可能是几何遍历的。我们说明了我们的方法，包括多变量椭圆轮廓稳定分布的几个数值例子。

2019-12-31cs.NAmath.NAq-fin.CP

在概率界内自适应MCMC采样器的遍历性

Ergodicity of an Adaptive MCMC Sampler under a Probability Bound

Université du Littoral Côte d’Opale（滨海大学）

本文提出在概率界内放松自适应MCMC采样器的遍历性条件，无需假设样本和参数空间的紧致性。

2026-02-16math.PRmath.STstat.CO