Daudzlīmeņu Hamiltona Monte Karlo
Daudzlīmeņu Hamiltona Monte Karlo (Multilevel HMC) apvieno daudzpakāpju Monte Karlo variācijas samazināšanas stratēģiju ar efektīvu gradientu virzītu Hamiltona Monte Karlo izpēti. Palaižot savienotas HMC ķēdes pieaugošos modeļa precizitātes vai diskretizācijas līmeņos, tas nodrošina precīzus a posteriori novērtējumus ar ievērojami zemākām aprēķinu izmaksām nekā viena smalka līmeņa HMC ķēde.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multilevel Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/lv/bayesian/multilevel-hamiltonian-monte-carlo
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Hamiltona MontekarloBajesa metodes↔ salīdzināt
- Hamiltonian Monte Carlo (Hierarchical HMC) hierarhiskā modelēšanaBajesa metodes↔ salīdzināt
- Markov Chain Monte Carlo (MCMC)Simulācija↔ salīdzināt
- Daudzlīmeņu MCMCBajesa metodes↔ salīdzināt
- Daudzlīmeņu variācijas izziņaBajesa metodes↔ salīdzināt
Uz to atsaucas
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →