Иерархический Гамильтонов Монте-Карло
Иерархический Гамильтонов Монте-Карло (Hierarchical HMC) применяет выборку Гамильтонова Монте-Карло к байесовским иерархическим моделям, решая серьезные геометрические проблемы, которые эти модели создают. Комбинируя нецентрированные параметризации с предложениями HMC, управляемыми градиентом, он обеспечивает эффективное исследование апостериорного распределения многоуровневых геометрий в форме воронки, с которыми стандартные методы MCMC испытывают трудности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- 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 for Hierarchical Models. ScholarGate. https://scholargate.app/ru/bayesian/hierarchical-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
- Гамильтонов Монте-КарлоБайесовские методы↔ сравнить
- Иерархический байесовский выводБайесовские методы↔ сравнить
- Иерархический Марковский Монте-КарлоБайесовские методы↔ сравнить
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ сравнить
Упоминается в
Similar methods
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →