Bayesian methodsBayesian / computational
多重レベルモンテカルロ法
多重レベルモンテカルロ法(MLMC)は、複数の数値解像度レベルで実行されたシミュレーションを組み合わせて期待値を推定する分散削減技術である。粗い、安価なシミュレーションが信号の大部分を捉え、細かい、高価なシミュレーションは残りの小さな差分のみを修正する。これにより、最も細かいレベルのみでの標準モンテカルロ法と比較して、総計算コストが劇的に削減される。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Giles, M. B. (2008). Multilevel Monte Carlo path simulation. Operations Research, 56(3), 607–617. DOI: 10.1287/opre.1070.0496 ↗
- Giles, M. B. (2015). Multilevel Monte Carlo methods. Acta Numerica, 24, 259–328. DOI: 10.1017/s096249291500001x ↗
このページの引用方法
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/ja/bayesian/multilevel-monte-carlo-simulation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- マルコフ連鎖モンテカルロ法(MCMC)シミュレーション↔ compare
- モンテカルロシミュレーション意思決定↔ compare
- パーティクルフィルタ(逐次モンテカルロ法)ベイズ↔ compare
- 逐次モンテカルロ法ベイズ↔ compare