ScholarGate
Assistent
Bayesian methodsBayesian / computational

Robust Hamiltonian Monte Carlo

Robust Hamiltonian Monte Carlo (Robust HMC) ist eine Familie von Erweiterungen des Standard-HMC, die darauf ausgelegt sind, geometrische Ergodizität und Stichprobeneffizienz aufrechtzuerhalten, wenn die Posterior-Verteilung schwere Ränder, starke Krümmungsvariationen oder eine nahezu entartete Geometrie aufweist. Durch Modifikation der kinetischen Energie, der Massenmatrix oder des Vorschlagsmechanismus stellen diese Methoden eine zuverlässige Exploration schwieriger Posterior-Verteilungen sicher, die den Standard-NUTS/HMC-Sampler überfordern.

In MethodMind öffnenDemnächstVideoDemnächstFolien herunterladen

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Methodenkarte

Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.

Quellen

  1. 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
  2. Betancourt, M. (2017). A conceptual introduction to Hamiltonian Monte Carlo. arXiv preprint arXiv:1701.02434. link

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Robust Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/de/bayesian/robust-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.

Nebeneinander vergleichen
ScholarGateRobust Hamiltonian Monte Carlo (Robust Hamiltonian Monte Carlo). Abgerufen am 2026-06-15 von https://scholargate.app/de/bayesian/robust-hamiltonian-monte-carlo · Datensatz: https://doi.org/10.5281/zenodo.20539026