نمونهگیر بدون چرخش (NUTS)
نمونهگیر بدون چرخش (NUTS) یک الگوریتم مونت کارلو زنجیره مارکوف خودتنظیم است که توسط هافمن و گلمن (2014) معرفی شد و با تعیین خودکار تعداد بهینه گامهای لیپفراگ، پارامتر تنظیم دستی حساستر را حذف میکند. NUTS نمونهگیر پیشفرض در Stan و PyMC است و استنتاج بیزی در مقیاس بزرگ و با ابعاد بالا را بدون نیاز به تنظیم دستی طول مسیر توسط کاربران، عملاً در دسترس قرار داده 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(47), 1593–1623. link ↗
- 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. 113–162). CRC Press. DOI: 10.1201/b10905-6 ↗
- 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: 978-1-4398-4095-5
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/fa/bayesian/no-u-turn-sampler
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
- هامیلتونی مونت کارلوبیزی↔ compare
- زنجیره مارکوف مونت کارلو (MCMC)بیزی↔ compare
- استنتاج تغییریبیزی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →