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.
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
- 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 ↗
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.
- Gibbs-SamplingBayes-Statistik↔ vergleichen
- Hamiltonian Monte CarloBayes-Statistik↔ vergleichen
- Robuste Bayes'sche InferenzBayes-Statistik↔ vergleichen
- Variationelle InferenzBayes-Statistik↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →