Bayesian methods
해밀토니안 몬테카를로
해밀토니안 몬테카를로(HMC)는 경사 하강법 기반의 마르코프 연쇄 몬테카를로 알고리즘으로, 고전적인 MCMC의 작은 무작위 이동 대신 매개변수 공간에서 크고 정보에 입각한 점프를 하기 위해 로그-사후 확률 표면의 기하학적 구조를 활용합니다. 원래 Duane, Kennedy, Pendleton, Roweth(1987)가 격자 장 이론을 위해 Hybrid Monte Carlo라는 이름으로 도입했으며, Radford Neal의 권위 있는 2011년 챕터를 통해 주류 통계학에 소개된 HMC는 오늘날 Stan과 PyMC의 기본 샘플러이며 고차원 모델에서 베이즈 사후 추론을 위한 최첨단 엔진으로 널리 간주됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
+15개 더
출처
- Duane, S., Kennedy, A. D., Pendleton, B. J., & Roweth, D. (1987). Hybrid Monte Carlo. Physics Letters B, 195(2), 216–222. DOI: 10.1016/0370-2693(87)91197-X ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 116–162). Chapman and Hall/CRC. ISBN: 978-1420079418 ↗
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/ko/bayesian/hamiltonian-monte-carlo
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →이 방법을 참조하는 항목
동적 해밀토니안 몬테카를로동적 순차 몬테카를로깁스 샘플링(Gibbs Sampling)Hamiltonian Monte Carlo with Measurement Error결측치가 있는 해밀토니안 몬테카를로계층적 해밀턴ian 몬테 카를로계층적 마르코프 연쇄 몬테카를로MCMC를 이용한 모형 비교결측치가 있는 MCMC메트로폴리스-헤이스팅스 알고리즘다층 깁스 샘플링다단계 해밀턴ian 몬테카를로다수준 MCMC (Multilevel MCMC)No-U-Turn Sampler (NUTS)강건한 해밀토니안 몬테카를로강건한 마르코프 연쇄 몬테카를로강건 입자 필터로버스트 순차 몬테카를로순차 몬테카를로 (Sequential Monte Carlo, SMC)슬라이스 샘플링공간 MCMC시계열 MCMC