نمونهبرداری گیبس فضایی
نمونهبرداری گیبس فضایی، نمونهبردار گیبس — یک الگوریتم مونتکارلوی زنجیره مارکوف مختصات-محور — را در مدلهایی به کار میبرد که مشاهدات در فضا چیده شدهاند و مکانهای نزدیک به هم از نظر آماری وابسته هستند. با بهرهبرداری از استقلال شرطی که توسط ساختار همسایگی فضایی ضمنی میشود، هر مکان به صورت جداگانه و با توجه به همسایگانش بهروزرسانی میشود، که استنتاج پسین را برای میدانهای تصادفی مارکوف، میدانهای تصادفی گاوسی، و مدلهای ژئواستاتیکی سلسلهمراتبی قابل انجام میسازد.
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
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Rue, H. & Held, L. (2005). Gaussian Markov Random Fields: Theory and Applications. Chapman & Hall/CRC. ISBN: 978-1584884323
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Spatial Gibbs Sampling for Markov Random Fields and Geostatistical Models. ScholarGate. https://scholargate.app/fa/bayesian/spatial-gibbs-sampling
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.
- مدل سلسله مراتبی بیزیبیزی↔ compare
- نمونهگیری گیبسبیزی↔ compare
- استنتاج بیزی فضاییبیزی↔ compare
- MCMC فضاییبیزی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →