Telpiskā Gibssas izlase
Telpiskā Gibssas izlase pielieto Gibssas izlases metodi — koordinātu pa vienai Markov ķēdes Monte Carlo (MCMC) algoritmu — modeļiem, kuros novērojumi ir izvietoti telpā un tuvumā esošas atrašanās vietas ir statistiski atkarīgas. Izmantojot nosacīto neatkarību, ko nosaka telpiskā kaimiņattiecību struktūra, katra vieta tiek atjaunināta pa vienai, ņemot vērā tās kaimiņus, padarot posteriorās izdarības noskaidrošanu traktējamu Markovas gadījuma lauku (MRF), Gausa gadījuma lauku (GRF) un hierarhisko ģeostatistisko modeļu gadījumā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Rue, H. & Held, L. (2005). Gaussian Markov Random Fields: Theory and Applications. Chapman & Hall/CRC. ISBN: 978-1584884323
Kā citēt šo lapu
ScholarGate. (2026, June 3). Spatial Gibbs Sampling for Markov Random Fields and Geostatistical Models. ScholarGate. https://scholargate.app/lv/bayesian/spatial-gibbs-sampling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesiskā hierarhiskā modelēšanaBajesa metodes↔ compare
- Gibbs SamplingBajesa metodes↔ compare
- Telpiskā beijesiska inferencēšanaBajesa metodes↔ compare
- Telpiskā MCMCBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →