Robust Hamiltonsk Monte Carlo
Robust Hamiltonsk Monte Carlo (Robust HMC) er en familie af udvidelser til standard HMC designet til at bevare geometrisk ergodicitet og samplingseffektivitet, når posteriorfordelingen har tunge haler, stærk krumningvariation eller nær-degenereret geometri. Ved at modificere den kinetiske energi, massen eller forslagsmekanismen sikrer disse metoder pålidelig udforskning af vanskelige posteriorfordelinger, der besejrer standard NUTS/HMC-sampler.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Livingstone, S. & Zanella, G. (2022). The Barker proposal: combining robustness and efficiency in gradient-based MCMC. Journal of the Royal Statistical Society: Series B, 84(2), 496–523. DOI: 10.1111/rssb.12482 ↗
- Betancourt, M. (2017). A conceptual introduction to Hamiltonian Monte Carlo. arXiv preprint arXiv:1701.02434. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/da/bayesian/robust-hamiltonian-monte-carlo
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Gibbs SamplingBayesiansk↔ sammenlign
- Hamiltonian Monte CarloBayesiansk↔ sammenlign
- Robust Bayesiansk InferensBayesiansk↔ sammenlign
- VariationsinferensBayesiansk↔ sammenlign
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →