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.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
- 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.
- Байесовски йерархичен моделБейсови методи↔ compare
- Гиббсов семплерБейсови методи↔ compare
- Пространствено Байесово ИзвежданеБейсови методи↔ compare
- Пространствено MCMC (Spatial MCMC)Бейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →