Hamiltonian Monte Carlo
Hamiltonian Monte Carlo (HMC) adalah algoritma Markov chain Monte Carlo berbasis gradien yang menggunakan geometri permukaan log-posterior untuk melakukan lompatan besar yang terinformasi melalui ruang parameter alih-alih langkah acak kecil dari MCMC klasik. Awalnya diperkenalkan untuk teori medan kisi oleh Duane, Kennedy, Pendleton, dan Roweth (1987) dengan nama Hybrid Monte Carlo, dan dibawa ke statistik arus utama oleh bab otoritatif Radford Neal tahun 2011, HMC saat ini adalah sampler default di Stan dan PyMC dan secara luas dianggap sebagai mesin canggih untuk inferensi posterior Bayesian dalam model berdimensi tinggi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
+15 lainnya
Sumber
- Duane, S., Kennedy, A. D., Pendleton, B. J., & Roweth, D. (1987). Hybrid Monte Carlo. Physics Letters B, 195(2), 216–222. DOI: 10.1016/0370-2693(87)91197-X ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 116–162). Chapman and Hall/CRC. ISBN: 978-1420079418 ↗
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/id/bayesian/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
- Markov Chain Monte Carlo (MCMC)Bayesian↔ bandingkan
- Inferensi VariasionalBayesian↔ bandingkan
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →