Dynamický Hamiltonovský Monte Carlo
Dynamický Hamiltonovský Monte Carlo — široce známý jako No-U-Turn Sampler (NUTS) — je adaptivní rozšíření Hamiltonovského Monte Carlo, které automaticky volí počet kroků integrace pomocí přímky (leapfrog) během každého přechodu MCMC, čímž odpadá nutnost ručního ladění nejcitlivějšího ladicího parametru standardního HMC. Je to výchozí sampler ve Stanu a PyMC a je vhodný pro spojitá, diferencovatelná posteriórní rozdělení střední až vysoké dimenze.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/cs/bayesian/dynamic-hamiltonian-monte-carlo
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Bayesovská regreseBayesovská statistika↔ porovnat
- Gibbs SamplingBayesovská statistika↔ porovnat
- Hamiltonovské Monte CarloBayesovská statistika↔ porovnat
- Sekvenční Monte CarloBayesovská statistika↔ porovnat
- Variační inferenceBayesovská statistika↔ porovnat
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →