Hamiltonian Monte Carlo
Hamiltonian Monte Carlo (HMC) er en gradientbasert Markovkjede Monte Carlo-algoritme som bruker geometrien til log-posterior-flaten til å ta store, informerte sprang i parameterrommet i stedet for de små tilfeldige stegene til klassisk MCMC. Opprinnelig introdusert for gitterfeltteori av Duane, Kennedy, Pendleton og Roweth (1987) under navnet Hybrid Monte Carlo, og brakt inn i mainstream-statistikk av Radfords Neals autoritative kapittel fra 2011, er HMC i dag standard sampler i Stan og PyMC og er allment ansett som den toppmoderne motoren for Bayesiansk posterior inferens i høydimensjonale modeller.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
+15 til
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/no/bayesian/hamiltonian-monte-carlo
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Bayesiansk regresjonBayesiansk↔ sammenlign
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ sammenlign
- VariasjonsinferensBayesiansk↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →