University of Michigan（密歇根大学安娜堡分校）

FLARE MCMC: Fidelity-based Layer-Adaptive REcursive proposals for MCMC

FLARE MCMC：基于保真度的自适应分层递归马尔可夫链蒙特卡洛提案

Harini Venkatesan, Christian Shelton, Ming-Feng Ho, Simeon Bird, Mengxuan Wu

机构 * University of California, Riverside（加利福尼亚大学河滨分校） ； University of Michigan（密歇根大学） 纠错

AI总结 FLARE MCMC是一种多保真度分层MCMC方法，通过利用低保真度似然提升混合效率，在水文学、宇宙学等领域相同计算时间下可获得更大有效样本量，性能更优。

Comments This is the author's accepted manuscript of an article published in SIAM Journal on Uncertainty Quantification. The final version is available at \url{ this https URL (https://doi.org/10.1137/25M1795194)