Hamiltonian Monte Carlo Hirarkis
Hamiltonian Monte Carlo Hirarkis (Hierarchical HMC) menerapkan sampling Hamiltonian Monte Carlo pada model hirarkis Bayesian, mengatasi tantangan geometris parah yang ditimbulkan oleh model tersebut. Dengan menggabungkan parameterisasi non-sentris dengan proposal yang digerakkan gradien dari HMC, metode ini mencapai eksplorasi posterior yang efisien dari geometri berbentuk corong multi-tingkat yang sulit ditangani oleh metode MCMC standar.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- 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 for Hierarchical Models. ScholarGate. https://scholargate.app/id/bayesian/hierarchical-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
- Hamiltonian Monte CarloBayesian↔ bandingkan
- Inferensi Bayesian HierarkisBayesian↔ bandingkan
- Metropolis-Hastings Markov Rantai HirarkisBayesian↔ bandingkan
- Markov Chain Monte Carlo (MCMC)Bayesian↔ bandingkan
Dirujuk oleh
Similar methods
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →