Hierarkkinen Hamiltonin Monte Carlo -menetelmä
Hierarkkinen Hamiltonin Monte Carlo (Hierarchical HMC) soveltaa Hamiltonin Monte Carlo -otantaa Bayesiläisiin hierarkkisiin malleihin, ratkaisten niihin liittyvät vakavat geometriset haasteet. Yhdistämällä epäkeskitetyt parametrisoinnit HMC:n gradienttipohjaisiin ehdotuksiin, se saavuttaa tehokkaan posteriorijakauman tutkimisen monitasoisissa suppilonmuotoisissa geometrioissa, joiden kanssa tavalliset MCMC-menetelmät kamppailevat.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- 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 for Hierarchical Models. ScholarGate. https://scholargate.app/fi/bayesian/hierarchical-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
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ vertaa
- Hierarkkinen Bayesiläinen päättelyBayesilainen tilastotiede↔ vertaa
- Hierarkkinen Markovin ketju -Monte CarloBayesilainen tilastotiede↔ vertaa
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ vertaa
Tähän viittaavat
Similar methods
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →