Hamiltonin Monte Carlo
Hamiltonin Monte Carlo (HMC) on gradienttipohjainen Markov-ketju Monte Carlo -algoritmi, joka hyödyntää log-posteriorin pinnan geometriaa suurten, informatiivisten hyppyjen tekemiseen parametriavaruudessa klassisen MCMC:n pienten satunnaisten askelten sijaan. Alun perin Duane, Kennedy, Pendleton ja Roweth (1987) esittelivät sen hilahila-kenttäteoriassa nimellä Hybrid Monte Carlo, ja Radford Nealin arvovaltainen vuoden 2011 luku toi sen valtavirran tilastotieteeseen. HMC on nykyään Stanin ja PyMC:n oletusotanta-algoritmi, ja sitä pidetään yleisesti huippuluokan menetelmänä Bayesilaiseen posterioripäättelyyn korkeaulotteisissa malleissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
+15 lisää
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/fi/bayesian/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
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ vertaa
- VariaatioinferenssiBayesilainen tilastotiede↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →