Análise de componentes independentes em Monte Carlo paralelo

Abstract

Neste estudo verificamos se o uso de técnicas de análise de componentes independentes em amostras pseudo-aleatórias é capaz de melhorar a convergência de Monte Carlo paralelo. Uma das razões da lenta convergência do método de Monte Carlo paralelo é a correlação entre as amostras utilizadas para alimentar o método. Para fazer essa verificação utilizamos duas técnicas distintas de ICA: FastICA e mapas auto-organizáveis. Um método de Monte Carlo simples foi proposto para que fosse possível fazer essa verificação. Também foi feita a comparação dos resultados usando dois modelos de gerador de números pseudo-leatórios. Os resultado obtidos mostraram que nas condições propostas neste estudo tanto o FastICA quanto mapas auto-organizáveis não foram capazes gerar amostras menos correlacionadas e portanto não são alternativas viáveis em otimizar o método de Monte Carlo paralelo.