Hamiltonian Monte Carlo
Hamiltonian Monte Carlo (HMC) is een gradiënt-gebaseerde Markovketen Monte Carlo-algoritme dat de geometrie van het log-posterior oppervlak gebruikt om grote, geïnformeerde sprongen door de parameterruimte te maken in plaats van de kleine willekeurige stappen van klassieke MCMC. Oorspronkelijk geïntroduceerd voor rooster veldtheorie door Duane, Kennedy, Pendleton en Roweth (1987) onder de naam Hybrid Monte Carlo, en in de statistiek geïntroduceerd door Radford Neal's gezaghebbende hoofdstuk uit 2011, is HMC vandaag de standaard sampler in Stan en PyMC en wordt algemeen beschouwd als de state-of-the-art engine voor Bayesiaanse posterior inferentie in hoog-dimensionale modellen.
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.
+15 meer
Bronnen
- Duane, S., Kennedy, A. D., Pendleton, B. J., & Roweth, D. (1987). Hybrid Monte Carlo. Physics Letters B, 195(2), 216–222. DOI: 10.1016/0370-2693(87)91197-X ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 116–162). Chapman and Hall/CRC. ISBN: 978-1420079418 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Deze pagina citeren
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/nl/bayesian/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
- Markov Chain Monte Carlo (MCMC)Bayesiaanse statistiek↔ vergelijken
- Variatie-inferentieBayesiaanse statistiek↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →