Гамильтонов Монте-Карло
Гамильтонов Монте-Карло (HMC) — это алгоритм цепей Маркова Монте-Карло, основанный на градиентах, который использует геометрию поверхности логарифмической апостериорной плотности для выполнения больших, обоснованных скачков в пространстве параметров вместо малых случайных шагов классического MCMC. Первоначально представленный для решеточной теории поля Дуэйном, Кеннеди, Пендлтоном и Роуэтом (Duane, Kennedy, Pendleton, and Roweth, 1987) под названием Hybrid Monte Carlo и введенный в основную статистику авторитетной главой Рэдфорда Нила (Radford Neal) 2011 года, HMC сегодня является сэмплером по умолчанию в Stan и PyMC и широко считается передовым движком для байесовского апостериорного вывода в высокоразмерных моделях.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
+ ещё 15
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/ru/bayesian/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
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ сравнить
- Вариационный выводБайесовские методы↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →