Bayesian methodsBayesian / computational
강건한 해밀토니안 몬테카를로
강건한 해밀토니안 몬테카를로 (Robust HMC)는 후방 분포가 두꺼운 꼬리, 강한 곡률 변화 또는 거의 퇴화된 기하학적 구조를 가질 때 기하학적 에르고디시티와 샘플링 효율성을 유지하도록 설계된 표준 HMC의 확장 계열입니다. 운동 에너지, 질량 행렬 또는 제안 메커니즘을 수정함으로써 이러한 방법은 표준 NUTS/HMC 샘플러를 좌절시키는 어려운 후방 분포의 신뢰할 수 있는 탐색을 보장합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Livingstone, S. & Zanella, G. (2022). The Barker proposal: combining robustness and efficiency in gradient-based MCMC. Journal of the Royal Statistical Society: Series B, 84(2), 496–523. DOI: 10.1111/rssb.12482 ↗
- Betancourt, M. (2017). A conceptual introduction to Hamiltonian Monte Carlo. arXiv preprint arXiv:1701.02434. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/ko/bayesian/robust-hamiltonian-monte-carlo
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 깁스 샘플링(Gibbs Sampling)베이지안↔ 비교
- 해밀토니안 몬테카를로베이지안↔ 비교
- 강건 베이즈 추론베이지안↔ 비교
- 변분 추론베이지안↔ 비교