Bayesian methodsBayesian / computational
다단계 해밀턴ian 몬테카를로
다단계 해밀턴ian 몬테카를로(Multilevel HMC)는 다단계 몬테카를로의 분산 감소 전략과 해밀턴ian 몬테카를로의 효율적인 경사도 기반 탐색을 결합합니다. 모델 충실도 또는 이산화 수준을 높여가며 연결된 HMC 체인을 실행함으로써, 단일 미세 수준 HMC 체인보다 훨씬 낮은 계산 비용으로 정확한 사후 추정치를 얻을 수 있습니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multilevel Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/ko/bayesian/multilevel-hamiltonian-monte-carlo
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 해밀토니안 몬테카를로베이지안↔ 비교
- 계층적 해밀턴ian 몬테 카를로베이지안↔ 비교
- Markov Chain Monte Carlo (MCMC)시뮬레이션↔ 비교
- 다수준 MCMC (Multilevel MCMC)베이지안↔ 비교
- 다수준 변분 추론베이지안↔ 비교