Metodin todisteiden tietue

Dynamic Hamiltonian Monte Carlo

Dynamic Hamiltonian Monte Carlo — widely known as the No-U-Turn Sampler (NUTS) — is an adaptive extension of Hamiltonian Monte Carlo that automatically selects the number of leapfrog integration steps during each MCMC transition, removing the need to hand-tune the most sensitive tuning parameter of standard HMC. It is the default sampler in Stan and PyMC and is suitable for continuous, differentiable posterior distributions of moderate to high dimension.

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler)

Taksonominen metoditietue · bayesian / bayesian

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. · URL
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

Avaa koko metodi

Kuratoituja väitteitä

Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.

Ei vielä kuratoituja väitteitä

Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.

Liittyvät metodit

Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.

Same method familyBayesian Regressionmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGibbs Samplingmachine-suggested · Relational suggestion, not evidence.Same method familyHamiltonian Monte Carlomachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSequential Monte Carlomachine-suggested · Relational suggestion, not evidence.Same method familyVariational Inferencemachine-suggested · Relational suggestion, not evidence.