هاميلتون مونت كارلو الديناميكي
هاميلتون مونت كارلو الديناميكي — المعروف على نطاق واسع باسم عيّنة عدم الانعطاف (NUTS) — هو امتداد تكيفي لهاميلتون مونت كارلو الذي يختار تلقائيًا عدد خطوات تكامل القفزة المتتالية في كل انتقال من سلسلة ماركوف مونت كارلو (MCMC)، مما يلغي الحاجة إلى ضبط يدوي لأكثر معلمات الضبط حساسية في HMC القياسي. إنها العيّنة الافتراضية في Stan و PyMC وهي مناسبة للتوزيعات الخلفية المستمرة والقابلة للتفاضل ذات الأبعاد المتوسطة إلى العالية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Hoffman, M. D. & Gelman, A. (2014). The No-U-Turn Sampler: Adaptively setting path lengths in Hamiltonian Monte Carlo. Journal of Machine Learning Research, 15(1), 1593–1623. link ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113–162). CRC Press. ISBN: 978-1420079418
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/ar/bayesian/dynamic-hamiltonian-monte-carlo
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- الانحدار البايزيبايزي↔ قارن
- أخذ العينات بطريقة جيبسبايزي↔ قارن
- مونت كارلو الهاملتونيبايزي↔ قارن
- مونت كارلو التسلسليبايزي↔ قارن
- الاستدلال التباينيبايزي↔ قارن