Dinamikus Hamilton-féle Monte Carlo
A dinamikus Hamilton-féle Monte Carlo (No-U-Turn Sampler, NUTS) a Hamilton-féle Monte Carlo adaptív kiterjesztése, amely automatikusan kiválasztja a lepkefogó integrációs lépések számát minden egyes MCMC tranzakció során, így kiküszöbölhető a standard HMC legérzékenyebb hangolási paraméterének kézi beállítása. Ez a Stan és a PyMC alapértelmezett mintavételezője, és alkalmas közepes vagy magas dimenziójú, folytonos, differenciálható utóeloszlásokhoz.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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. link ↗
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/hu/bayesian/dynamic-hamiltonian-monte-carlo
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Bayes-féle RegresszióBayes-statisztika↔ összehasonlítás
- Gibbs-mintavételBayes-statisztika↔ összehasonlítás
- Hamiltonian Monte CarloBayes-statisztika↔ összehasonlítás
- Szekvenciális Monte CarloBayes-statisztika↔ összehasonlítás
- Variational InferenceBayes-statisztika↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →