Хамилтънов Монте Карло
Хамилтънов Монте Карло (HMC) е базиран на градиенти алгоритъм на Марковски вериги Монте Карло, който използва геометрията на повърхността на логаритмичната апостериорна вероятност, за да прави големи, информирани прескачания през параметричното пространство, вместо малките случайни стъпки на класическия MCMC. Първоначално въведен за теория на решетъчното поле от Duane, Kennedy, Pendleton и Roweth (1987) под името Хибриден Монте Карло и въведен в статистиката от авторитетната глава на Radford Neal от 2011 г., HMC днес е стандартният семплер в Stan и PyMC и се смята за най-съвременния двигател за Байесов апостериорен извод при многомерни модели.
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.
+15 още
Източници
- Duane, S., Kennedy, A. D., Pendleton, B. J., & Roweth, D. (1987). Hybrid Monte Carlo. Physics Letters B, 195(2), 216–222. DOI: 10.1016/0370-2693(87)91197-X ↗
- 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. 116–162). Chapman and Hall/CRC. ISBN: 978-1420079418 ↗
- 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: 978-1439840955
Как да цитирате тази страница
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/bg/bayesian/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
- Марковски Монте Карло вериги (MCMC)Бейсови методи↔ сравняване
- Вариационен инференсБейсови методи↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →