ScholarGate
Avustaja
Bayesian methodsBayesian / computational

Hamiltonin Monte Carlo puuttuvilla tiedoilla

Hamiltonin Monte Carlo puuttuvilla tiedoilla laajentaa gradienttipohjaisen HMC-otannan käsittelemään epätäydellisiä havaintoja käsittelemällä puuttuvia arvoja ylimääräisinä tuntemattomina parametreina. Malliparametrien ja puuttuvien arvojen posteriorijakaumasta otetaan otos yhdessä tehokkaalla ajolla, hyödyntäen gradienttitietoa korkeaulotteisen yhteisen avaruuden tutkimiseen paljon harvemmilla hylätyillä ehdotuksilla kuin satunnaiskulku-MCMC:ssä.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

Lähteet

  1. 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
  2. Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. Chapter 18: Missing-data imputation. ISBN: 978-1439840955

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/fi/bayesian/hamiltonian-monte-carlo-with-missing-data

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.

Compare side by side

Tähän viittaavat

ScholarGateHamiltonian Monte Carlo with Missing Data (Hamiltonian Monte Carlo with Missing Data Imputation). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/bayesian/hamiltonian-monte-carlo-with-missing-data · Aineisto: https://doi.org/10.5281/zenodo.20539026