Sampling from Non-smooth Distributions Through Langevin Diffusion

In this paper, we propose proximal splitting-type algorithms for sampling from distributions whose densities are not necessarily smooth nor log-concave. Our approach brings together tools from, on the one hand, variational analysis and non-smooth optimization, and on the other hand, stochastic diffu...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Methodology and computing in applied probability Ročník 23; číslo 4; s. 1173 - 1201
Hlavní autoři:	Luu, Tung Duy, Fadili, Jalal, Chesneau, Christophe
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.12.2021 Springer Nature B.V Springer Verlag
Témata:	Algorithms Business and Management Computer Science Diffusion Economics Electrical Engineering Fines & penalties Life Sciences Machine Learning Mathematics Mathematics and Statistics Numerical Analysis Optimization Optimization and Control Sampling Signal and Image Processing Statistics Statistics Theory 65C30 Langevin diffusion Exponentially weighted aggregation Proximal splitting Monte-Carlo 65C05 Non-smooth distributions 65C60 65C50
ISSN:	1387-5841, 1573-7713
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!