Robust Hamiltonian Monte Carlo
Robust Hamiltonian Monte Carlo (Robust HMC) är en familj av utökningar till standard-HMC utformade för att bibehålla geometrisk ergodicitet och samlingseffektivitet när posteriorfördelningen har tjocka svansar, stark krökningsvariation eller nästan degenererad geometri. Genom att modifiera den kinetiska energin, massmatrisen eller förslagsmekanismen säkerställer dessa metoder en tillförlitlig utforskning av svåra posteriorfördelningar som besegrar standard-NUTS/HMC-samplaren.
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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/sv/bayesian/robust-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.
- Gibbs samplingBayesiansk statistik↔ jämför
- Hamiltonian Monte CarloBayesiansk statistik↔ jämför
- Robust Bayesiansk InferensBayesiansk statistik↔ jämför
- VariationsinferensBayesiansk statistik↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →