Динамичен Хамилтонов Монте Карло
Динамичният Хамилтонов Монте Карло (Dynamic Hamiltonian Monte Carlo) — широко известен като No-U-Turn Sampler (NUTS) — е адаптивно разширение на Хамилтоновия Монте Карло, което автоматично избира броя на стъпките за интегриране по метода на дълбокия скок (leapfrog integration steps) по време на всеки преход в MCMC, премахвайки необходимостта от ръчна настройка на най-чувствителния параметър на стандартния HMC. Той е стандартният семплер в Stan и PyMC и е подходящ за непрекъснати, диференцируеми апостериорни разпределения с умерена до висока размерност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- 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
Как да цитирате тази страница
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/bg/bayesian/dynamic-hamiltonian-monte-carlo
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Байесов регресионен моделБейсови методи↔ сравняване
- Гиббсов семплерБейсови методи↔ сравняване
- Хамилтънов Монте КарлоБейсови методи↔ сравняване
- Последователен Монте КарлоБейсови методи↔ сравняване
- Вариационен инференсБейсови методи↔ сравняване
Similar methods
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →