Dünaamiline Hamiltoni Monte Carlo
Dünaamiline Hamiltoni Monte Carlo – laiemalt tuntud kui No-U-Turn Sampler (NUTS) – on Hamiltoni Monte Carlo adaptiivne laiendus, mis valib automaatselt "leapfrog"-integratsioonisammude arvu iga MCMC-ülemineku ajal, kaotades vajaduse käsitsi häälestada standardse HMC kõige tundlikumat häälestusparameetrit. See on vaikimisi valimimeetod Stanis ja PyMC-s ning sobib pidevate, diferentseeritavate mõõduka kuni kõrge dimensiooniga järeljaotuste jaoks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- Hoffman, M. D. & Gelman, A. (2014). The No-U-Turn Sampler: Adaptively setting path lengths in Hamiltonian Monte Carlo. Journal of Machine Learning Research, 15(1), 1593–1623. link ↗
- 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. ISBN: 978-1420079418
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/et/bayesian/dynamic-hamiltonian-monte-carlo
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Bayes' regressioonBayesi meetodid↔ võrdle
- Gibbs SamplingBayesi meetodid↔ võrdle
- Hamiltoni Monte CarloBayesi meetodid↔ võrdle
- Jadaline Monte CarloBayesi meetodid↔ võrdle
- Variational InferenceBayesi meetodid↔ võrdle
Märkasid sellel lehel viga? Teata sellest või paku parandust →