Hamiltonian Monte Carlo z błędem pomiaru
Hamiltonian Monte Carlo (HMC) z błędem pomiaru to bayesowska strategia obliczeniowa do dopasowywania modeli, w których jedna lub więcej zmiennych objaśniających jest obserwowana z szumem. HMC pobiera próbki wspólnie z rozkładu aposteriornego parametrów modelu i nieobserwowanych prawdziwych wartości zmiennych objaśniających, wykorzystując propozycje oparte na gradientach, które efektywnie eksplorują wysokowymiarowy rozkład aposteriorny i unikają powolnego zachowania typu random-walk standardowego próbkowania Metropolis.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/pl/bayesian/hamiltonian-monte-carlo-with-measurement-error
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Bayesowska wnioskowanie z błędem pomiaruStatystyka bayesowska↔ porównaj
- Próbkowanie Gibbsa z błędem pomiarowymStatystyka bayesowska↔ porównaj
- Hamiltonian Monte CarloStatystyka bayesowska↔ porównaj
- Filtr Kalmana z błędem pomiaruStatystyka bayesowska↔ porównaj
- MCMC z błędem pomiaruStatystyka bayesowska↔ porównaj
- Wariacyjna inferencja z błędem pomiaruStatystyka bayesowska↔ porównaj
Cytowana przez
Similar methods
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →