Buchumschlag

Reversible jump Markov chain Monte Carlo and multi-model samplers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Yanan, Sisson, Scott A., Davies, Laurence
Format:	Preprint
Veröffentlicht:	2010
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An extension to reversible jump Markov chain Monte Carlo for change point problems with heterogeneous temporal dynamics
von: Gribbin, Emily, et al.
Veröffentlicht: (2026)

Variational Transdimensional Inference
von: Davies, Laurence, et al.
Veröffentlicht: (2025)

Identification-aware Markov chain Monte Carlo
von: Kitagawa, Toru, et al.
Veröffentlicht: (2025)

Modular Markov chain Monte Carlo with application to multimodal sampling
von: Park, Joonha
Veröffentlicht: (2026)

Estimating Monte Carlo variance from multiple Markov chains
von: Gupta, Kushagra, et al.
Veröffentlicht: (2020)

On the fundamental limitations of multiproposal Markov chain Monte Carlo algorithms
von: Pozza, Francesco, et al.
Veröffentlicht: (2024)

Nested $\hat R$: Assessing the convergence of Markov chain Monte Carlo when running many short chains
von: Margossian, Charles C., et al.
Veröffentlicht: (2021)

MCMC using $\textit{bouncy}$ Hamiltonian dynamics: A unifying framework for Hamiltonian Monte Carlo and piecewise deterministic Markov process samplers
von: Chin, Andrew, et al.
Veröffentlicht: (2024)

Markov chain Monte Carlo without evaluating the target: an auxiliary variable approach
von: Yuan, Wei, et al.
Veröffentlicht: (2024)

Fused $L_{1/2}$ prior for large scale linear inverse problem with Gibbs bouncy particle sampler
von: Ke, Xiongwen, et al.
Veröffentlicht: (2024)

Fitting multivariate Hawkes processes to interval count data with an application to terrorist activity modelling -- a particle Markov chain Monte Carlo approach
von: Lambe, Jason J., et al.
Veröffentlicht: (2025)

Predictive variational inference for flexible regression models
von: Kock, Lucas, et al.
Veröffentlicht: (2026)

Fast and flexible inference for spatial extremes
von: Zhong, Peng, et al.
Veröffentlicht: (2024)

A coupling-based approach to f-divergences diagnostics for Markov chain Monte Carlo
von: Corenflos, Adrien, et al.
Veröffentlicht: (2025)

Stereographic Markov Chain Monte Carlo
von: Yang, Jun, et al.
Veröffentlicht: (2022)

Bayesian cross-validation by parallel Markov Chain Monte Carlo
von: Cooper, Alex, et al.
Veröffentlicht: (2023)

Unbiased Markov Chain Monte Carlo: what, why, and how
von: Atchadé, Yves F., et al.
Veröffentlicht: (2024)

Gaussian Invariant Markov Chain Monte Carlo
von: Titsias, Michalis K., et al.
Veröffentlicht: (2025)

Markov Chain Monte Carlo Significance Tests
von: Howes, Michael
Veröffentlicht: (2023)

Asymptotics for EBLUPs within crossed mixed effect models
von: Lyu, Ziyang, et al.
Veröffentlicht: (2025)

Combining chains of Bayesian models with Markov melding
von: Manderson, Andrew A., et al.
Veröffentlicht: (2021)

ML, PL, QL in Markov chain models
von: Hjort, Nils Lid, et al.
Veröffentlicht: (2026)

Chained Markov melding using divide and conquer sequential Monte Carlo
von: Liu, Yixuan, et al.
Veröffentlicht: (2026)

Control of probability flow in Markov chain Monte Carlo -- Nonreversibility and lifting
von: Suwa, Hidemaro, et al.
Veröffentlicht: (2012)

Intrinsic effective sample size for manifold-valued Markov chain Monte Carlo via kernel discrepancy
von: You, Kisung
Veröffentlicht: (2026)

Parametric multi-fidelity Monte Carlo estimation with applications to extremes
von: Kim, Minji, et al.
Veröffentlicht: (2024)

A correlated pseudo-marginal approach to doubly intractable problems
von: Yang, Yu, et al.
Veröffentlicht: (2022)

Increasing dimension asymptotics for two-way crossed mixed effect models
von: Lyu, Ziyang, et al.
Veröffentlicht: (2024)

Debiasing Piecewise Deterministic Markov Process samplers using couplings
von: Corenflos, Adrien, et al.
Veröffentlicht: (2023)

Bayesian penalized empirical likelihood and Markov Chain Monte Carlo sampling
von: Chang, Jinyuan, et al.
Veröffentlicht: (2024)

Semi-parametric Markov models for multi-type point patterns
von: Jensen, Ib Thorsgaard, et al.
Veröffentlicht: (2025)

Analysing symbolic data by pseudo-marginal methods
von: Yang, Yu, et al.
Veröffentlicht: (2024)

A discomfort-informed adaptive Gibbs sampler for finite mixture models
von: Fabbrico, Davide, et al.
Veröffentlicht: (2025)

Unbiased Markov chain quasi-Monte Carlo for Gibbs samplers
von: Du, Jiarui, et al.
Veröffentlicht: (2024)

Estimation, inference and model selection for jump regression models
von: Grønneberg, Steffen, et al.
Veröffentlicht: (2026)

Accurate Large-sample Uncertainty Quantification using Stochastic Gradient Markov Chain Monte Carlo
von: Wang, Yu, et al.
Veröffentlicht: (2026)

A complex meta-regression model to identify effective features of interventions from multi-arm, multi-follow-up trials
von: Davies, Annabel L, et al.
Veröffentlicht: (2024)

Speeding up the ordered allocation sampler
von: Gil-Leyva, Maria F., et al.
Veröffentlicht: (2025)

Adaptive multi-stage integration schemes for Hamiltonian Monte Carlo
von: Nagar, Lorenzo, et al.
Veröffentlicht: (2023)

Bayesian inference for velocity-jump models for movement
von: Blackwell, Paul G.
Veröffentlicht: (2025)