Dynamic Hamiltonian Monte Carlo
Dynamic Hamiltonian Monte Carlo — که به طور گسترده به عنوان No-U-Turn Sampler (NUTS) شناخته میشود — تعمیم انطباقیِ Hamiltonian Monte Carlo است که به طور خودکار تعداد گامهای انتگرالگیری لیپفراگ را در هر گذار MCMC انتخاب میکند و نیاز به تنظیم دستی حساسترین پارامتر تنظیم استاندارد HMC را از بین میبرد. این نمونهگیر پیشفرض در Stan و PyMC است و برای توزیعهای پسین پیوسته و مشتقپذیر در ابعاد متوسط تا بالا مناسب است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/fa/bayesian/dynamic-hamiltonian-monte-carlo
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- رگرسیون بیزیبیزی↔ compare
- نمونهگیری گیبسبیزی↔ compare
- هامیلتونی مونت کارلوبیزی↔ compare
- مونتکارلوی ترتیبیبیزی↔ compare
- استنتاج تغییریبیزی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →