Dynamic Hamiltonian Monte Carlo
Dynamic Hamiltonian Monte Carlo หรือที่รู้จักกันอย่างแพร่หลายในชื่อ No-U-Turn Sampler (NUTS) เป็นส่วนขยายแบบปรับตัวของ Hamiltonian Monte Carlo ที่เลือกจำนวนขั้นตอนการอินทิเกรตแบบ leapfrog ในแต่ละการเปลี่ยนผ่าน MCMC โดยอัตโนมัติ ทำให้ไม่จำเป็นต้องปรับพารามิเตอร์การปรับแต่งที่สำคัญที่สุดของ HMC มาตรฐานด้วยตนเอง NUTS เป็นตัวอย่างเริ่มต้นใน Stan และ PyMC และเหมาะสำหรับ posterior distributions ที่ต่อเนื่องและสามารถหาอนุพันธ์ได้ในมิติปานกลางถึงสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Hoffman, M. D. & Gelman, A. (2014). The No-U-Turn Sampler: Adaptively setting path lengths in Hamiltonian Monte Carlo. Journal of Machine Learning Research, 15(1), 1593–1623. link ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113–162). CRC Press. ISBN: 978-1420079418
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/th/bayesian/dynamic-hamiltonian-monte-carlo
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ เปรียบเทียบ
- การสุ่มตัวอย่างแบบกิบบส์เบย์↔ เปรียบเทียบ
- Hamiltonian Monte Carloเบย์↔ เปรียบเทียบ
- Sequential Monte Carloเบย์↔ เปรียบเทียบ
- การอนุมานแบบแปรผันเบย์↔ เปรียบเทียบ