Hamiltonovské Monte Carlo
Hamiltonovské Monte Carlo (HMC) je gradientový Markovův řetězcové Monte Carlo algoritmus, který využívá geometrii povrchu log-posteriorní distribuce k provádění velkých, informovaných skoků v prostoru parametrů namísto malých náhodných kroků klasických MCMC metod. Původně zavedený pro teorii mřížkových polí autory Duane, Kennedy, Pendleton a Roweth (1987) pod názvem Hybrid Monte Carlo a do mainstreamové statistiky uveden v autoritativní kapitole Radforda Neala z roku 2011, je HMC dnes výchozím vzorkovačem ve Stanu a PyMC a je široce považován za špičkový engine pro bayesovskou inferenci posteriorní distribuce ve vysokodimenzionálních modelech.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/cs/bayesian/hamiltonian-monte-carlo
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.
- Bayesovská regreseBayesovská statistika↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovská statistika↔ compare
- Variační inferenceBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →