Ponente: Sabino Isaac Cano Paez
Institución: IIMAS
04/09/2024 de 15:00 a 16:00
Los algoritmos basados en Cadenas de Markov Monte Carlo (MCMC) son métodos en los que se construye una cadena de Markov ergódica que converge a una distribución objetivo. Al simular trayectorias de la cadena, estas se asemejan asintóticamente a una muestra independiente e idénticamente distribuida (i.i.d) de la distribución objetivo. Sin embargo, los métodos MCMC pueden ser lentos cuando la dimensión del espacio de estados es alta. Una propuesta efectiva para resolver este problema es el algoritmo Monte Carlo Hamiltoniano (HMC), en el que construye un campo vectorial hamiltoniano que contiene información sobre la ubicación de la zona típica de la distribución objetivo, de manera que la dirección de dicho campo vectorial sirva como guía para la cadena. En la plática se hablará sobre la construcción teórica del HMC, su implementación práctica y algunas ideas para mejorar la convergencia y construir otros algoritmos MCMC.
Temas: