هامیلتونی مونت کارلو
هامیلتونی مونت کارلو (HMC) یک الگوریتم مونت کارلو زنجیره مارکوف مبتنی بر گرادیان است که از هندسه سطح لگاریتم پسین برای انجام گامهای بزرگ و آگاهانه در فضای پارامتر به جای گامهای تصادفی کوچک MCMC کلاسیک استفاده میکند. HMC که در ابتدا توسط Duane، Kennedy، Pendleton و Roweth (1987) با نام Hybrid Monte Carlo برای نظریه میدان شبکهای معرفی شد و توسط فصل معتبر سال 2011 رادفورد نیل به آمار جریان اصلی وارد شد، امروزه نمونهگیر پیشفرض در Stan و PyMC است و به طور گسترده به عنوان پیشرفتهترین موتور برای استنتاج پسین بیزی در مدلهای با ابعاد بالا شناخته میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
منابع
- Duane, S., Kennedy, A. D., Pendleton, B. J., & Roweth, D. (1987). Hybrid Monte Carlo. Physics Letters B, 195(2), 216–222. DOI: 10.1016/0370-2693(87)91197-X ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 116–162). Chapman and Hall/CRC. ISBN: 978-1420079418 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/fa/bayesian/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.
Compare side by side →ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →