Wielopoziomowe Monte Carlo Hamiltona
Wielopoziomowe Monte Carlo Hamiltona (Multilevel HMC) łączy strategię redukcji wariancji wielopoziomowego Monte Carlo z efektywną, sterowaną gradientem eksploracją Monte Carlo Hamiltona. Uruchamiając sprzężone łańcuchy HMC na rosnących poziomach wierności modelu lub dyskretyzacji, metoda ta osiąga dokładne estymaty rozkładu a posteriori przy koszcie obliczeniowym znacznie niższym niż pojedynczy łańcuch HMC na najdokładniejszym poziomie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- Beskos, A., Jasra, A., Law, K., Tempone, R., & Zhou, Y. (2017). Multilevel sequential Monte Carlo samplers. Stochastic Processes and their Applications, 127(5), 1417–1440. DOI: 10.1016/j.spa.2016.08.004 ↗
- 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). Multilevel Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/pl/bayesian/multilevel-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.
- Hamiltonian Monte CarloStatystyka bayesowska↔ porównaj
- Hierarchical Hamiltonian Monte CarloStatystyka bayesowska↔ porównaj
- Łańcuchowe metody Monte Carlo (MCMC)Symulacja↔ porównaj
- Wielopoziomowe MCMCStatystyka bayesowska↔ porównaj
- Wielopoziomowe wnioskowanie wariacyjneStatystyka bayesowska↔ porównaj
Cytowana przez
Similar methods
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →