Est-ce que quelqu'un connaît un code bien écrit (dans Matlab ou R) pour MCMC à saut réversible? De préférence, une simple application de démonstration pour compléter les articles sur le sujet, qui serait utile pour comprendre le processus.
r
matlab
references
mcmc
pseudo
la source
la source
Réponses:
RJMCMC a été présenté par Peter Green dans un article de 1995 qui est un classique de citation. Il a écrit un programme Fortran appelé AutoRJ pour RJMCMC automatique; sa page sur ce lien vers le programme C de David Hastie AutoMix . Il y a une liste de logiciels disponibles gratuitement pour divers algorithmes RJMCMC dans le tableau 1 d'un article de 2005 de Scott Sisson . Une recherche Google trouve également un pseudocode d'un groupe de l'Université de Glasgow qui peut être utile pour comprendre les principes si vous souhaitez le programmer vous-même.
la source
Le livre Bayesian Analysis for Population Ecology de King et al. décrit le RJMCMC dans le contexte de l'écologie des populations. J'y ai trouvé la description très claire et ils fournissent le code R en annexe.
Le livre a également une page Web associée , mais une partie du code trouvé dans le livre n'est pas sur le site Web.
la source
Ajoutez juste un détail à la réponse de @ onestop: je trouve que le logiciel C publié par Olivier Cappé (CT / RJ MCMC) est très utile pour comprendre l'algorithme MCMC de saut réversible (en particulier comment concevoir les probabilités de naissance-décès et de division- fusionner les mouvements). Le lien vers le code source est: http://perso.telecom-paristech.fr/~cappe/Code/CTRJ_mix/About/
la source
Jailin Ai donne une assez belle présentation de RJ MCMC ensemble (bien qu'il se rapproche beaucoup du document original de Green) avec le code R qui l'accompagne dans le cadre de sa thèse de maîtrise à Leeds. Donne également un exemple détaillé des problèmes de changement de point de vue, qui sont également inclus dans le document de 1995 de Green.
Retrouvez la thèse et le code ici:
http://www1.maths.leeds.ac.uk/~voss/projects/2011-RJMCMC/
la source
Nando de Freitas fournit des démonstrations sur l'utilisation de l'algorithme MCMC à saut réversible pour l'estimation des paramètres du réseau neuronal. Ce modèle traite le nombre de neurones, les paramètres du modèle, les paramètres de régularisation et les paramètres de bruit comme des variables aléatoires à estimer.
Le code et la rédaction sont disponibles ici: http://www.cs.ubc.ca/~nando/software.html
la source