Multilevel Hamiltonian Monte Carlo
Il Multilevel Hamiltonian Monte Carlo (Multilevel HMC) combina la strategia di riduzione della varianza del Monte Carlo multilivello con l'efficiente esplorazione guidata dal gradiente dell'Hamiltonian Monte Carlo. Eseguendo catene HMC accoppiate a livelli crescenti di fedeltà del modello o di discretizzazione, esso ottiene stime posteriori accurate con un costo computazionale sostanzialmente inferiore rispetto a una singola catena HMC di livello fine.
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
- Beskos, A., Jasra, A., Law, K., Tempone, R., & Zhou, Y. (2017). Multilevel sequential Monte Carlo samplers. Stochastic Processes and their Applications, 127(5), 1417–1440. DOI: 10.1016/j.spa.2016.08.004 ↗
- 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. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multilevel Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/it/bayesian/multilevel-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.
- Hamiltonian Monte CarloBayesiano↔ confronta
- Hamiltonian Monte Carlo GerarchicoBayesiano↔ confronta
- Catena di Markov Monte Carlo (MCMC)Simulazione↔ confronta
- MCMC multilivelloBayesiano↔ confronta
- Inferenza variazionale multilivelloBayesiano↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →