Hamiltonian Monte Carlo with Measurement Error
Hamiltonian Monte Carlo (HMC) with measurement error เป็นกลยุทธ์การคำนวณแบบเบย์ (Bayesian) สำหรับการปรับโมเดลที่ตัวแปรอิสระ (covariate) หนึ่งตัวหรือมากกว่าถูกสังเกตด้วยความคลาดเคลื่อน HMC ทำการสุ่มตัวอย่างร่วมกันจาก posterior ของพารามิเตอร์โมเดลและค่าตัวแปรอิสระที่แท้จริงซึ่งไม่ถูกสังเกต โดยใช้การเสนอค่า (proposal) ที่อาศัยเกรเดียนต์ (gradient-based) ซึ่งสำรวจ posterior ที่มีมิติสูงได้อย่างมีประสิทธิภาพ และหลีกเลี่ยงพฤติกรรมการสุ่มแบบเดิน (random-walk) ที่ช้าของการสุ่มตัวอย่างแบบ Metropolis มาตรฐาน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- 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. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Bayesian Measurement Error Models. ScholarGate. https://scholargate.app/th/bayesian/hamiltonian-monte-carlo-with-measurement-error
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การอนุมานแบบเบย์เซียนร่วมกับความคลาดเคลื่อนในการวัดเบย์↔ เปรียบเทียบ
- Gibbs Sampling with Measurement Errorเบย์↔ เปรียบเทียบ
- Hamiltonian Monte Carloเบย์↔ เปรียบเทียบ
- ตัวกรองคาลมานพร้อมความคลาดเคลื่อนของการวัดเบย์↔ เปรียบเทียบ
- MCMC with Measurement Errorเบย์↔ เปรียบเทียบ
- การอนุมานแบบแปรผันกับข้อผิดพลาดของการวัดเบย์↔ เปรียบเทียบ