Hamiltonian Monte Carlo dengan Ralat Pengukuran
Hamiltonian Monte Carlo (HMC) dengan ralat pengukuran ialah strategi pengiraan Bayesian untuk memadankan model di mana satu atau lebih kovariat diperhatikan dengan hingar. HMC mengambil sampel secara bersama daripada posterior ke atas parameter model dan nilai kovariat sebenar yang tidak diperhatikan, menggunakan cadangan berasaskan gradien yang meneroka posterior berdimensi tinggi dengan cekap dan mengelakkan tingkah laku rawak-jalan yang perlahan bagi pensampelan Metropolis standard.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/ms/bayesian/hamiltonian-monte-carlo-with-measurement-error
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Inferens Bayesian dengan Ralat PengukuranBayesian↔ banding
- Sampel Gibbs dengan Ralat PengukuranBayesian↔ banding
- Hamiltonian Monte CarloBayesian↔ banding
- Penapis Kalman dengan Ralat PengukuranBayesian↔ banding
- MCMC dengan Ralat PengukuranBayesian↔ banding
- Inferensi Variasi dengan Ralat PengukuranBayesian↔ banding
Dirujuk oleh
Similar methods
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →