Hamiltonian Monte Carlo Dinamis
Hamiltonian Monte Carlo Dinamis — yang dikenal luas sebagai No-U-Turn Sampler (NUTS) — adalah perluasan adaptif dari Hamiltonian Monte Carlo yang secara otomatis memilih jumlah langkah integrasi leapfrog selama setiap transisi MCMC, menghilangkan kebutuhan untuk menyetel parameter penyetelan yang paling sensitif dari HMC standar. Ini adalah sampler default di Stan dan PyMC dan cocok untuk distribusi posterior kontinu, terdiferensiasi dari dimensi sedang hingga tinggi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/id/bayesian/dynamic-hamiltonian-monte-carlo
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Regresi BayesianBayesian↔ bandingkan
- Sampling GibbsBayesian↔ bandingkan
- Hamiltonian Monte CarloBayesian↔ bandingkan
- Monte Carlo SekuensialBayesian↔ bandingkan
- Inferensi VariasionalBayesian↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →