Sequential Monte Carlo for Target Distributions
Mathias Rousset  1, 2, *@  
1 : Institut de Recherche Mathématique de Rennes
Universite de Rennes 1, Université de Rennes, Agrocampus Ouest, Institut national d\'enseignement supérieur pour l\'agriculture, l\'alimentation et l\'environnement, Institut National des Sciences Appliquées - Rennes, Institut National des Sciences Appliquées, École normale supérieure - Rennes, Université de Rennes 2 : UMR6625, Centre National de la Recherche Scientifique, Institut national d\'enseignement supérieur pour l\'agriculture, l\'alimentation et l\'environnement, Institut national d\'enseignement supérieur pour l\'agriculture, l\'alimentation et l\'environnement, Institut national d\'enseignement supérieur pour l\'agriculture, l\'alimentation et l\'environnement, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement
2 : Inria Rennes - Bretagne Atlantique
Add this new organization
* : Corresponding author

In this talk, I will review various point of views and results on the same idea: using a 'Sequential Monte Carlo' approach to sample a given target distribution (defined explicitly up to normalization). In particular, I will focus on topics such as: bias, central limit theorems (for large sample size), adaptivity, continuous limits, and interpretations in statistical physics.



  • Poster
Online user: 14 Privacy
Loading...