Show simple item record

Acceleration Strategies of Markov Chain Monte Carlo for Bayesian Computation

Stratégies d'accélération des algorithmes de Monte Carlo par chaîne de Markov pour le calcul Bayésien

dc.contributorParis Sciences et Lettres
dc.contributor.advisorRobert, Christian P.
hal.structure.identifier
dc.contributor.authorWu, Changye*
dc.date.accessioned2018-12-04T10:08:30Z
dc.date.available2018-12-04T10:08:30Z
dc.date.issued2018-10-04
dc.identifier.urihttps://basepub.dauphine.fr/handle/123456789/18248
dc.description.abstractfrLes algorithmes MCMC sont difficiles à mettre à l'échelle, car ils doivent balayer l'ensemble des données à chaque itération, ce qui interdit leurs applications dans de grands paramètres de données. En gros, tous les algorithmes MCMC évolutifs peuvent être divisés en deux catégories: les méthodes de partage et de conquête et les méthodes de sous-échantillonnage. Le but de ce projet est de réduire le temps de calcul induit par des fonctions complexes ou à grande efficacité.fr
dc.language.isoen
dc.subjectChaîne de Markov Monte Carlofr
dc.subjectDonnées massivesfr
dc.subjectProcessus de Markov déterministe par morceauxfr
dc.subjectDiviser pour régnerfr
dc.subjectForêt aléatoirefr
dc.subjectMarkov chain Monte Carloen
dc.subjectBig Dataen
dc.subjectPiecewise deterministic Markov processen
dc.subjectDivide-and-conqueren
dc.subjectRandom foresten
dc.subject.ddc519.2
dc.subject.classificationjelC15
dc.titleAcceleration Strategies of Markov Chain Monte Carlo for Bayesian Computationen
dc.titleStratégies d'accélération des algorithmes de Monte Carlo par chaîne de Markov pour le calcul Bayésienfr
dc.typeThèse
dc.contributor.editoruniversityUniversité Paris Dauphine
dc.description.abstractenMCMC algorithms are difficult to scale, since they need to sweep over the whole data set at each iteration, which prohibits their applications in big data settings. Roughly speaking, all scalable MCMC algorithms can be divided into two categories: divide-and-conquer methods and subsampling methods. The aim of this project is to reduce the computing time induced by complex or largelikelihood functions.en
dc.identifier.theseid2018PSLED019
dc.subject.ddclabelProbabilités et mathématiques appliquées
hal.author.functionaut


Files in this item

Thumbnail
Name:
2018PSLED019.pdf
Size:
2.619Mb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record