운동 상호작용 입자 랑주뱅 몬테카를로

본 연구는 잠재 변수 모델의 통계적 추론을 위해 운동 상호작용 입자 랑주뱅 몬테카를로(KIPLMC) 방법을 제안하고 분석합니다. 이 방법은 상호작용하는 저감쇠 랑주뱅 알고리즘을 기반으로 합니다. 우리는 매개변수와 잠재 변수 공간에서 공동으로 진화하는 확산 과정을 제안하며, 이 확산의 정상 분포가 매개변수의 최대 주변 가능도 추정치 주변에 집중됨을 보였습니다. 제안된 확산 과정의 두 가지 명시적 이산화를 실제 통계 모델 매개변수 추정 알고리즘으로 제공합니다. 각 알고리즘에 대해, 공동 로그-가능도가 잠재 변수 및 매개변수에 대해 강하게 오목한 경우, Wasserstein-2 거리에서 비점근적 수렴 속도를 도출했습니다. 우리는 차원 의존성에서 명확한 개선을 보여주는 가속화된 수렴 속도를 달성했습니다. 제안된 방법론의 유용성을 입증하기 위해 통계적 추론에서 확산의 효과를 보여주는 수치 실험을 수행했습니다. 본 연구의 방법론은 비지도 학습, 통계적 추론, 역문제 등 광범위한 응용 분야에 적용될 수 있습니다.