Hamiltonian Monte Carlo
Hamiltonian Monte Carlo (HMC) är en gradientbaserad Markovkedjemonte Carlo-algoritm som använder log-posteriorytans geometri för att göra stora, informerade hopp genom parameterrymden istället för de små slumpmässiga stegen från klassisk MCMC. Ursprungligen introducerad för gitterfältteori av Duane, Kennedy, Pendleton och Roweth (1987) under namnet Hybrid Monte Carlo, och förd in i den breda statistiken av Radford Neals auktoritativa kapitel från 2011, är HMC idag standard-samplern i Stan och PyMC och anses allmänt vara den toppmoderna motorn för Bayesiansk posteriorinferens i högdimensionella modeller.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
+15 till
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/sv/bayesian/hamiltonian-monte-carlo
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Bayesiansk regressionBayesiansk statistik↔ jämför
- Markov Chain Monte Carlo (MCMC)Bayesiansk statistik↔ jämför
- VariationsinferensBayesiansk statistik↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →