Bayesian methodsBayesian / computational
동적 몬테카를로 시뮬레이션
동적 몬테카를로(DMC) 시뮬레이션은 전이율에 의해 가중치가 부여된 무작위 사건 시퀀스를 추출하여 시스템의 확률적 시간 진화를 추적하는 계산 방법입니다. 평형 분포의 정적 몬테카를로 샘플링과 달리 DMC는 명시적으로 시계를 진행시키므로 사건의 순서와 타이밍이 중요한 운동학, 반응 및 시간에 따른 현상에 적합합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Bortz, A. B., Kalos, M. H., & Lebowitz, J. L. (1975). A new algorithm for Monte Carlo simulation of Ising spin systems. Journal of Computational Physics, 17(1), 10–18. DOI: 10.1016/0021-9991(75)90060-1 ↗
- Gillespie, D. T. (1977). Exact stochastic simulation of coupled chemical reactions. The Journal of Physical Chemistry, 81(25), 2340–2361. DOI: 10.1021/j100540a008 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Dynamic Monte Carlo Simulation. ScholarGate. https://scholargate.app/ko/bayesian/dynamic-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.
- 부트스트랩 시뮬레이션시뮬레이션↔ compare
- 동적 베이즈 추론베이지안↔ compare
- 깁스 샘플링(Gibbs Sampling)베이지안↔ compare
- Markov Chain Monte Carlo (MCMC)시뮬레이션↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare