Dynaaminen Hamiltonin Monte Carlo
Dynaaminen Hamiltonin Monte Carlo – laajalti tunnettu nimellä No-U-Turn Sampler (NUTS) – on adaptiivinen laajennus Hamiltonin Monte Carlosta, joka valitsee automaattisesti sammakkoaskelintegraation (leapfrog integration) askelten lukumäärän kunkin MCMC-siirtymän aikana. Tämä poistaa tarpeen säätää käsin standardin HMC:n herkintä viritysparametria. Se on Stanin ja PyMC:n oletussampler ja soveltuu jatkuville, derivoituville posteriorijakaumille, joiden ulottuvuus on kohtalainen tai suuri.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/fi/bayesian/dynamic-hamiltonian-monte-carlo
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Bayesilainen regressioBayesilainen tilastotiede↔ vertaa
- Gibbs-otantaBayesilainen tilastotiede↔ vertaa
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ vertaa
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ vertaa
- VariaatioinferenssiBayesilainen tilastotiede↔ vertaa
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →