Towards derandomising Markov chain Monte Carlo

We present a new framework to derandomise certain Markov chain Monte Carlo (MCMC) algorithms. As in MCMC, we first reduce counting problems to sampling from a sequence of marginal distributions. For the latter task, we introduce a method called coupling towards the past that can, in logarithmic time...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings / annual Symposium on Foundations of Computer Science s. 1963 - 1990
Hlavní autoři:	Feng, Weiming, Guo, Heng, Wang, Chunyang, Wang, Jiaheng, Yin, Yitong
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 06.11.2023
Témata:	approximate counting Approximation algorithms Computer science Couplings deterministic algorithm Markov chain Monte Carlo Markov processes Monte Carlo methods Task analysis
ISSN:	2575-8454
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!