Bayesian methodsBayesian / computational
계층적 해밀턴ian 몬테 카를로
계층적 해밀턴ian 몬테 카를로(Hierarchical HMC)는 베이즈 계층 모델에 해밀턴ian 몬테 카를로 샘플링을 적용하여 해당 모델이 제기하는 심각한 기하학적 문제를 해결합니다. 비중심화 모수화(non-centered parameterization)와 HMC의 기울기 기반 제안(gradient-driven proposals)을 결합함으로써, 표준 MCMC 방법으로는 다루기 어려운 다단계 깔때기형 기하학적 구조의 사후 분포를 효율적으로 탐색합니다.
MethodMind에서 열기곧 제공Apply, compare, get guidance
Tools & resources
Learn & explore
동영상곧 제공
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- 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 for Hierarchical Models. ScholarGate. https://scholargate.app/ko/bayesian/hierarchical-hamiltonian-monte-carlo
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 베이즈 회귀베이지안↔ 비교
- 해밀토니안 몬테카를로베이지안↔ 비교
- 계층적 베이즈 추론베이지안↔ 비교
- 계층적 마르코프 연쇄 몬테카를로베이지안↔ 비교
- 마르코프 연쇄 몬테카를로 (MCMC)베이지안↔ 비교