المُسَلسِلُ عدم الانعطاف (NUTS)
المُسَلسِلُ عدم الانعطاف (NUTS) هو خوارزمية مونت كارلو لسلسلة ماركوف ذاتية الضبط، قدمها Hoffman و Gelman (2014)، وهي توسع خوارزمية مونت كارلو الهاملتونية (HMC) عن طريق تحديد العدد الأمثل لخطوات ليوبفورد تلقائيًا، مما يلغي المعلمة اليدوية الأكثر حساسية للضبط. يُعد NUTS المُسَلسِل الافتراضي في Stan و PyMC، وقد جعل الاستدلال البايزي واسع النطاق وعالي الأبعاد متاحًا عمليًا دون الحاجة إلى قيام المستخدمين بتحديد أطوال المسار يدويًا.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
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(47), 1593–1623. link ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113–162). CRC Press. DOI: 10.1201/b10905-6 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1-4398-4095-5
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/ar/bayesian/no-u-turn-sampler
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- الانحدار البايزيبايزي↔ compare
- مونت كارلو الهاملتونيبايزي↔ compare
- سلاسل ماركوف مونت كارلو (MCMC)بايزي↔ compare
- الاستدلال التباينيبايزي↔ compare