Об одном подходе к настройке алгоритма Метрополиса-Гастингса для задачи разделения смеси гауссовских компонент

В статье рассматривается задача разделения смеси гауссовских компонент, заключа ющаяся в определении по имеющимся наблюдениям параметров компонент смеси. Предлагается подход к решению данной задачи, основанный на байесовском оценивании с применением наибо лее информативных априорных распределений (Maximal Data Information Prior – MDIP). Новизна описанного подхода заключается в использовании выборочных оценок для вычисления априорно го распределения и определения настроек алгоритма Метрополиса-Гастингса для семплирования с адаптивной поэтапной подстройкой параметров предложенного распределения.