Робастный Гамильтонов Монте-Карло
Робастный Гамильтонов Монте-Карло (Robust HMC) — это семейство расширений стандартного HMC, разработанных для сохранения геометрической эргодичности и эффективности сэмплирования при наличии тяжелых хвостов апостериорного распределения, сильных вариаций кривизны или почти вырожденной геометрии. Модифицируя кинетическую энергию, матрицу масс или механизм предложения, эти методы обеспечивают надежное исследование сложных апостериорных распределений, с которыми стандартный сэмплер NUTS/HMC не справляется.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Livingstone, S. & Zanella, G. (2022). The Barker proposal: combining robustness and efficiency in gradient-based MCMC. Journal of the Royal Statistical Society: Series B, 84(2), 496–523. DOI: 10.1111/rssb.12482 ↗
- Betancourt, M. (2017). A conceptual introduction to Hamiltonian Monte Carlo. arXiv preprint arXiv:1701.02434. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/ru/bayesian/robust-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.
- Сэмплирование по ГиббсуБайесовские методы↔ сравнить
- Гамильтонов Монте-КарлоБайесовские методы↔ сравнить
- Робастное байесовское оцениваниеБайесовские методы↔ сравнить
- Вариационный выводБайесовские методы↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →