特刊论文：随机化步长与加性混合核优化 MCMC

《Japanese Journal of Statistics and Data Science》「Recent Advances in Dynamical Monte Carlo」特刊再收两篇论文：Grazzi、Livingstone 与 Riou-Durand 研究随机化步长，使 Metropolis–Hastings 算法对调参更加鲁棒；Lim 与 Choi 的开放获取论文则探讨有限马尔可夫链的加性混合核，通过 partition 优化加速收敛。两项工作均瞄准提升 MCMC 方法的实用性与效率。

2026-09-22 ~ 2026-09-22 · 2 条相关

• 特刊论文:随机化步长让 Metropolis–Hastings 对调参更鲁棒 — michaelchchoi · 2026-09-22
• 特刊论文:加性混合核加速有限马尔可夫链收敛的 partition 优化 — michaelchchoi · 2026-09-22