Dynamic Hamiltonian Monte Carlo
Dynamic Hamiltonian Monte Carlo — ampiamente noto come No-U-Turn Sampler (NUTS) — è un'estensione adattiva dell'Hamiltonian Monte Carlo che seleziona automaticamente il numero di passi di integrazione leapfrog durante ogni transizione MCMC, eliminando la necessità di tarare manualmente il parametro di tuning più sensibile dell'HMC standard. È il campionatore predefinito in Stan e PyMC ed è adatto a distribuzioni posteriori continue, differenziabili, di dimensione da moderata ad alta.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/it/bayesian/dynamic-hamiltonian-monte-carlo
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Regressione BayesianaBayesiano↔ confronta
- Gibbs SamplingBayesiano↔ confronta
- Hamiltonian Monte CarloBayesiano↔ confronta
- Monte Carlo SequenzialeBayesiano↔ confronta
- Inferenza VariazionaleBayesiano↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →