変分推論と正規化フローによって生成された提案を用いた、輸送可逆ジャンプマルコフ連鎖モンテカルロ法

この記事は、マルコフ連鎖モンテカルロ法（MCMC）の新しいアプローチについて説明しており、特に可逆ジャンプMCMCフレームワーク内での提案生成の改善に焦点を当てています。著者は、複雑な確率分布を探求するための、より効率的で効果的な提案を作成するために、変分推論（VI）と正規化フローを活用しています。「輸送」という言葉がタイトルに含まれていることから、異なるパラメータ空間またはモデル次元間を効率的に移動することに焦点を当てていることが示唆されており、これはMCMCにおける重要な課題です。これらの技術を組み合わせることで、特に高次元または複雑なモデルのシナリオにおいて、MCMCアルゴリズムの収束性と探索能力を向上させることを目的としていると考えられます。

• •可逆ジャンプMCMCにおける提案生成を改善するために、変分推論と正規化フローを適用。
• •複雑な確率分布の効率的な探索に焦点を当てる。
• •MCMCアルゴリズムの収束性と探索能力を向上させることを目指す。