Hierarkisk Hamiltonsk Monte Carlo
Hierarkisk Hamiltonsk Monte Carlo (Hierarkisk HMC) tillämpar Hamiltonsk Monte Carlo-sampling på Bayesianska hierarkiska modeller och hanterar de allvarliga geometriska utmaningar som dessa modeller medför. Genom att kombinera icke-centrerade parametriseringar med HMC:s gradientdrivna förslag uppnår den effektiv utforskning av posteriorfördelningen för de fler nivåers trattformade geometrier som standard MCMC-metoder kämpar med.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Hierarchical Models. ScholarGate. https://scholargate.app/sv/bayesian/hierarchical-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
- Hamiltonian Monte CarloBayesiansk statistik↔ jämför
- Hierarkisk Bayesiansk inferensBayesiansk statistik↔ jämför
- Hierarkisk MarkovkedjemontcarloBayesiansk statistik↔ jämför
- Markov Chain Monte Carlo (MCMC)Bayesiansk statistik↔ jämför
Refereras av
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →