Dynamic Hamiltonian Monte Carlo
Dynamic Hamiltonian Monte Carlo — szeroko znany jako No-U-Turn Sampler (NUTS) — jest adaptacyjnym rozszerzeniem Hamiltonian Monte Carlo, które automatycznie wybiera liczbę kroków integracji leapfroga podczas każdej transformacji MCMC, eliminując potrzebę ręcznego dostrajania najbardziej wrażliwego parametru standardowego HMC. Jest to domyślny sampler w Stan i PyMC, odpowiedni dla ciągłych, różniczkowalnych rozkładów aposteriornych o umiarkowanej do wysokiej wymiarowości.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/pl/bayesian/dynamic-hamiltonian-monte-carlo
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Regresja bayesowskaStatystyka bayesowska↔ porównaj
- Próbkowanie GibbsaStatystyka bayesowska↔ porównaj
- Hamiltonian Monte CarloStatystyka bayesowska↔ porównaj
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ porównaj
- Inferencja wariacyjnaStatystyka bayesowska↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →