Robust Hamiltonian Monte Carlo
Robust Hamiltonian Monte Carlo (Robust HMC) on perheenä standardin HMC:n laajennuksia, jotka on suunniteltu ylläpitämään geometrista ergodisuutta ja näytteenottotehokkuutta, kun posteriorijakaumalla on paksut hännät, voimakas kaarevuuden vaihtelu tai lähes degeneroitunut geometria. Muokkaamalla kineettistä energiaa, massamatriisia tai ehdotusmekanismia nämä menetelmät varmistavat vaikeiden posteriorijakaumien luotettavan tutkimisen, jotka haastavat standardin NUTS/HMC-näytteenottimen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Livingstone, S. & Zanella, G. (2022). The Barker proposal: combining robustness and efficiency in gradient-based MCMC. Journal of the Royal Statistical Society: Series B, 84(2), 496–523. DOI: 10.1111/rssb.12482 ↗
- Betancourt, M. (2017). A conceptual introduction to Hamiltonian Monte Carlo. arXiv preprint arXiv:1701.02434. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/fi/bayesian/robust-hamiltonian-monte-carlo
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Gibbs-otantaBayesilainen tilastotiede↔ vertaa
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ vertaa
- Robustin Bayesiläinen päättelyBayesilainen tilastotiede↔ vertaa
- VariaatioinferenssiBayesilainen tilastotiede↔ vertaa
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →