Гамильтонов Монте-Карло с ошибкой измерения
Гамильтонов Монте-Карло (HMC) с ошибкой измерения — это байесовская вычислительная стратегия для подгонки моделей, в которых одна или несколько ковариат наблюдаются с шумом. HMC совместно сэмплирует из апостериорного распределения параметров модели и ненаблюдаемых истинных значений ковариат, используя предложения, основанные на градиентах, которые эффективно исследуют многомерное апостериорное распределение и избегают медленного поведения случайного блуждания при стандартном сэмплировании по Метрополису.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/ru/bayesian/hamiltonian-monte-carlo-with-measurement-error
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Байесовский вывод с учетом ошибки измеренияБайесовские методы↔ сравнить
- Байесовский метод Гиббса с учетом ошибки измеренияБайесовские методы↔ сравнить
- Гамильтонов Монте-КарлоБайесовские методы↔ сравнить
- Фильтр Калмана с ошибкой измеренияБайесовские методы↔ сравнить
- MCMC с ошибкой измеренияБайесовские методы↔ сравнить
- Вариационный вывод с учетом ошибки измеренияБайесовские методы↔ сравнить
Упоминается в
Similar methods
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →