Bayesian methodsBayesian / computational

Пространствено семплиране на Гибс

Пространственото семплиране на Гибс прилага семплера на Гибс — алгоритъм на Марковска верига Монте Карло (MCMC), който работи координатно — към модели, при които наблюденията са разположени в пространството и близките местоположения са статистически зависими. Като използва условната независимост, предполагана от структурата на пространствените съседства, всеки обект се обновява поотделно, като се вземат предвид неговите съседи, което прави постфериорния извод осъществим за Марковски случайни полета, Гаусови случайни полета и йерархични геостатистически модели.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596
  2. Rue, H. & Held, L. (2005). Gaussian Markov Random Fields: Theory and Applications. Chapman & Hall/CRC. ISBN: 978-1584884323

Как да цитирате тази страница

ScholarGate. (2026, June 3). Spatial Gibbs Sampling for Markov Random Fields and Geostatistical Models. ScholarGate. https://scholargate.app/bg/bayesian/spatial-gibbs-sampling

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.

Compare side by side
ScholarGateSpatial Gibbs Sampling (Spatial Gibbs Sampling for Markov Random Fields and Geostatistical Models). Извлечено на 2026-06-15 от https://scholargate.app/bg/bayesian/spatial-gibbs-sampling · Набор от данни: https://doi.org/10.5281/zenodo.20539026