Sequential Monte Carlo approach to inference in Bayesian choice models
Bayesci seçme modellerinde kestirim problemlerine ardışık Monte Karlo yaklaşımı
- Tez No: 603277
- Danışmanlar: PROF. DR. ALİ TAYLAN CEMGİL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, Computer Engineering and Computer Science and Control, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Markov Zinciri Monte Karlo ve Ardışık Monte Karlo yöntemleri, istatistiksel modelleme ve kestirim problemlerinde yaygın olarak kullanılmaktadır. Standart olasılık dağılımlarından örnek üretmek için kullanılan analitik yöntemler, karmaşık dağılımlar söz konusu olduğunda işlevlerini yitirirler. Görece basit modeller için bile, model parametreleri üzerindeki sonsal dağılım, standart dağılımlar cinsinden ifade edilemeyebilir. Bu sebeple Monte Karlo yöntemlerine sıklıkla başvurulmaktadır. Bu tez çalışmasında, ilk olarak, bir öneri sistemi ve kullanıcıları arasındaki etkileşim için bir istatistiksel model sunup, kullanıcıların tercihleri üzerinde bir sonsal dağılıma ulaşıyoruz. Önerilen model oldukça basit ve sezgisel olmakla birlikte, literatürde yaygın olarak bilinen Dirichlet-Multinomial modelinin bir varyantı gibi düşünülebilir. Bu tez çalışmasının birincil amacı olmasa da, bu durum, analizi kolaylıkla yapılan modeller için bile, varsayımlardaki küçük değişikliklerin, model analizinde kullanılan yöntemleri ne kadar değiştirebileceğine bir örnek oluşturmaktadır. Daha sonra, kullanıcı tercihleri üzerindeki sonsal dağılımdan örnek üretmek amacıyla, resample-move algoritmasını temel alan ve Gibbs-içinde-Metropolis stilinde bir hareket çekirdeği kullanan bir Ardışık Monte Karlo algoritması öneriyoruz. Önerilen algoritmanın geçerliliğini, aynı sonsal dağılımı hedef alan Stan uygulamasıyla test ediyoruz. Son olarak da Thompson Örneklemesi presibini temel alan bir öneri sistemi-kullanıcı etkileşimi senaryosunu simülasyonlarla inceliyoruz.
Özet (Çeviri)
Monte Carlo methods, such as Markov Chain Monte Carlo (MCMC) and Sequential Monte Carlo (SMC), have extensive use cases in probabilistic modeling and inference. They usually appear as a way of drawing samples from a distribution of interest, because even for a relatively small model, the target distribution may easily go out of the domain of standard probability distributions, rendering the analytical tools to be almost useless. Sampling methods have been used effectively in such cases. In this thesis, we will be dealing with a probabilistic model that captures the interaction between a recommender system and its users and define a posterior distribution over the user's preferences. The model itself is actually very similar to a Dirichlet-Multinomial model, but it has completely different analytical properties. Although it is not the main purpose of this thesis, this fact also serves as a demonstration of how a slight change in a model may result in a problem which requires drastic changes in the methods of approach. We propose a Sequential Monte Carlo scheme, based on the resample-move algorithm with a Metropolis-within-Gibbs style move kernel, that targets the posterior distribution over the user's preferences. We also provide Stan implementations that target the same posterior distribution and use it for validation purposes. Then we investigate a recommender-user interaction mechanism based on the idea of Thompson sampling by simulating interactions.
Benzer Tezler
- Sequential Monte Carlo samplers for nonparametric bayesian mixture models
Parametrik olmayan bayesçi karışım modelleri için ardışık Monte Carlo örnekleyiciler
YENER ÜLKER
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL
- Topics in signal processing: Applications in genomics and genetics
Başlık çevirisi yok
ABDÜLKADİR ELMAS
- Fast high-dimensional temporal point processes with applications
Hızlı yüksek boyutlu zamansal nokta süreçleri ve uygulamaları
ALİ CANER TÜRKMEN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ TAYLAN CEMGİL
- Endosensorfusion: Particle filtering-based multi-sensory data fusion with switching state-space model for endoscopic capsule robots using recurrent neural network kinematics
Kapsül endoskopi robotları için değişen durum-uzay modeli ile yinelenen yapay sinir ağları kullanarak parçacık filtreleme temelli çoklu duyarga verisi ilişkilendirmesi
YASİN ALMALIOĞLU
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ TAYLAN CEMGİL
- Nanoçubuklarda büyük yer değiştirme ve yerel olmayan elastisite teorilerine göre deplasman hesabı
Calculation of displacements of nanorods according to nonlocal theory of elasticity and large displacement theory
GÖKHAN GÜÇLÜ
Doktora
Türkçe
2020
Matematikİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. REHA ARTAN