Multilevel Hamiltonian Monte Carlo
Multilevel Hamiltonian Monte Carlo (Multilevel HMC) kombiniert die Varianzreduktionsstrategie von Multilevel Monte Carlo mit der effizienten gradientengesteuerten Exploration von Hamiltonian Monte Carlo. Durch das Ausführen gekoppelter HMC-Ketten auf steigenden Ebenen der Modelltreue oder Diskretisierung erzielt es genaue Posterior-Schätzungen zu Rechenkosten, die erheblich niedriger sind als bei einer einzelnen HMC-Kette auf feiner Ebene.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Beskos, A., Jasra, A., Law, K., Tempone, R., & Zhou, Y. (2017). Multilevel sequential Monte Carlo samplers. Stochastic Processes and their Applications, 127(5), 1417–1440. DOI: 10.1016/j.spa.2016.08.004 ↗
- 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. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multilevel Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/de/bayesian/multilevel-hamiltonian-monte-carlo
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Hamiltonian Monte CarloBayes-Statistik↔ vergleichen
- Hierarchisches Hamiltonsches Monte CarloBayes-Statistik↔ vergleichen
- Markov Chain Monte Carlo (MCMC)Simulation↔ vergleichen
- Multilevel MCMCBayes-Statistik↔ vergleichen
- Multilevel Variational InferenceBayes-Statistik↔ vergleichen
Referenziert von
Similar methods
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →