Кто-нибудь знает какой-нибудь хорошо написанный код (в Matlab или R) для обратимого перехода MCMC? Желательно простое демонстрационное приложение для комплимента работ по теме, что было бы полезно для понимания процесса.
r
matlab
references
mcmc
Ник
источник
источник
Ответы:
RJMCMC был представлен Питером Грином в статье 1995 года, которая является классикой цитирования. Он написал на фортранском языке программу AutoRJ для автоматического RJMCMC; его страница по этой ссылке на программу Дэвида Хасти C на AutoMix . Список свободно доступных программ для различных алгоритмов RJMCMC приведен в таблице 1 статьи Скотта Сиссона за 2005 год . Поиск Google также находит некоторый псевдокод из группы в университете Глазго, который может быть полезен для понимания принципов, если вы хотите запрограммировать его самостоятельно.
источник
Книга Байесовского анализа экологии населения King et al. описывает RJMCMC в контексте экологии населения. Я нашел там описание очень ясным, и они предоставляют код R в приложении.
Книга также имеет связанную веб-страницу , но некоторый код, найденный в книге, отсутствует на сайте.
источник
Просто добавьте одну деталь к ответу @ onestop: я считаю, что программное обеспечение C, выпущенное Оливье Каппе (CT / RJ MCMC), очень полезно для понимания алгоритма Reversible jump MCMC (в частности, как спроектировать вероятности рождения-смерти и расщепления). объединить ходы). Ссылка на исходный код: http://perso.telecom-paristech.fr/~cappe/Code/CTRJ_mix/About/
источник
Jailin Ai вместе представляет довольно приятную презентацию RJ MCMC (хотя он очень тесно связан с оригинальной статьей Грина) и сопровождает код R как часть магистерской диссертации в Лидсе. Также приводится подробный пример проблем с точками изменения, которые также включены в статью Грина за 1995 год.
Найти тезис и код здесь:
http://www1.maths.leeds.ac.uk/~voss/projects/2011-RJMCMC/
источник
Нандо де Фрейтас (Nando de Freitas) представляет демонстрационные примеры использования алгоритма обратимого перехода MCMC для оценки параметров нейронной сети. Эта модель рассматривает число нейронов, параметры модели, параметры регуляризации и параметры шума как случайные переменные, которые должны быть оценены.
Код и описание доступны здесь: http://www.cs.ubc.ca/~nando/software.html
источник