Динамический гамильтоновский метод Монте-Карло
Динамический гамильтоновский метод Монте-Карло, широко известный как семплер без разворотов (No-U-Turn Sampler, NUTS), представляет собой адаптивное расширение гамильтоновского метода Монте-Карло, которое автоматически выбирает количество шагов интегрирования по схеме «leapfrog» во время каждого перехода MCMC. Это устраняет необходимость вручную настраивать наиболее чувствительный параметр стандартного HMC. Он является семплером по умолчанию в Stan и PyMC и подходит для непрерывных, дифференцируемых апостериорных распределений умеренной и высокой размерности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/ru/bayesian/dynamic-hamiltonian-monte-carlo
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Байесовская регрессияБайесовские методы↔ сравнить
- Сэмплирование по ГиббсуБайесовские методы↔ сравнить
- Гамильтонов Монте-КарлоБайесовские методы↔ сравнить
- Последовательный Монте-КарлоБайесовские методы↔ сравнить
- Вариационный выводБайесовские методы↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →