Combined-chain nested sampling for efficient Bayesian model comparison

مشکلات مقایسه مدل در بسیاری از زمینه های علم و مهندسی، از جمله پردازش سیگنال، بوجود می آیند. در این مشکلات، ما آرزو می کنیم که مقدار هر یک از مجموعه ای از مدل های احتمالی مجموعه ای از مشاهدات را تعیین کند. بسیاری از تکنیک های عددی برای انجام مقایسه مدل وجود دارد، اما این مقاله بر روی نمونه برداری غلطکی، که یک الگوریتم تلفیقی عددی برای ارزیابی احتمال مدل ها است، تمرکز دارد. فرمول بندی اولیه نمونه برداری تو رشته ای یک الگوریتم به شدت دنباله ای است. با این حال، بیشتر پیشرفت های مدرن در محاسبات از طریق پردازش موازی انجام می شود، بنابراین ما روش جدیدی برای بهینه سازی نمونه برداری توزیع ارائه می دهیم. این مقاله پایه ریاضی را برای این راه حل و همچنین ایده هایی برای اجرای آن تعیین می کند. سه نمونه اثربخشی روش موازی فعلی در مسائل مربوط به تجزیه و تحلیل داده های علمی و مهندسی واقع گرایانه را نشان می دهد.