Dynamische Hamiltoniaan Monte Carlo
Dynamische Hamiltoniaan Monte Carlo — algemeen bekend als de No-U-Turn Sampler (NUTS) — is een adaptieve uitbreiding van Hamiltoniaan Monte Carlo die automatisch het aantal leapfrog-integratiestappen selecteert tijdens elke MCMC-transitie, waardoor de noodzaak om de meest gevoelige afstemmingsparameter van standaard HMC handmatig af te stemmen, komt te vervallen. Het is de standaard sampler in Stan en PyMC en is geschikt voor continue, differentieerbare posterieure verdelingen van matige tot hoge dimensie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Hoffman, M. D. & Gelman, A. (2014). The No-U-Turn Sampler: Adaptively setting path lengths in Hamiltonian Monte Carlo. Journal of Machine Learning Research, 15(1), 1593–1623. link ↗
- 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. ISBN: 978-1420079418
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/nl/bayesian/dynamic-hamiltonian-monte-carlo
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Bayesian RegressieBayesiaanse statistiek↔ vergelijken
- Gibbs SamplingBayesiaanse statistiek↔ vergelijken
- Hamiltonian Monte CarloBayesiaanse statistiek↔ vergelijken
- Sequentiële Monte CarloBayesiaanse statistiek↔ vergelijken
- Variatie-inferentieBayesiaanse statistiek↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →