نمونهگیری هملتونی سلسلهمراتبی
نمونهگیری هملتونی سلسلهمراتبی (Hierarchical HMC) از نمونهگیری هملتونی مونت کارلو برای مدلهای سلسلهمراتبی بیزی استفاده میکند و چالشهای هندسی شدیدی را که این مدلها ایجاد میکنند، برطرف میسازد. با ترکیب پارامترسازیهای غیرمرکزی با پیشنهادات مبتنی بر گرادیان HMC، به کاوش کارآمد پسین هندسههای چند سطحی قیفیشکل دست مییابد که روشهای استاندارد MCMC با آنها مشکل دارند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- 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 for Hierarchical Models. ScholarGate. https://scholargate.app/fa/bayesian/hierarchical-hamiltonian-monte-carlo
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- رگرسیون بیزیبیزی↔ مقایسه
- هامیلتونی مونت کارلوبیزی↔ مقایسه
- استنتاج بیزی سلسلهمراتبیبیزی↔ مقایسه
- زنجیره مارکوف مونت کارلوی سلسلهمراتبیبیزی↔ مقایسه
- زنجیره مارکوف مونت کارلو (MCMC)بیزی↔ مقایسه
ارجاعشده در
Similar methods
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →