Multilevel Hamiltonian Monte Carlo
Multilevel Hamiltonian Monte Carlo (Multilevel HMC) เป็นการผสมผสานกลยุทธ์การลดความแปรปรวนของ multilevel Monte Carlo เข้ากับการสำรวจปริภูมิพารามิเตอร์ที่ขับเคลื่อนด้วยเกรเดียนต์อย่างมีประสิทธิภาพของ Hamiltonian Monte Carlo โดยการรันลูกโซ่ HMC ที่เชื่อมโยงกันในระดับความเที่ยงตรงหรือการแบ่งย่อยของแบบจำลองที่เพิ่มขึ้น วิธีนี้จะให้ค่าประมาณ posterior ที่แม่นยำโดยมีต้นทุนในการคำนวณต่ำกว่าลูกโซ่ HMC ระดับละเอียดเพียงลูกโซ่เดียวอย่างมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Beskos, A., Jasra, A., Law, K., Tempone, R., & Zhou, Y. (2017). Multilevel sequential Monte Carlo samplers. Stochastic Processes and their Applications, 127(5), 1417–1440. DOI: 10.1016/j.spa.2016.08.004 ↗
- 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). Multilevel Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/th/bayesian/multilevel-hamiltonian-monte-carlo
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Hamiltonian Monte Carloเบย์↔ เปรียบเทียบ
- Hierarchical Hamiltonian Monte Carloเบย์↔ เปรียบเทียบ
- Markov Chain Monte Carlo (MCMC)การจำลอง↔ เปรียบเทียบ
- MCMC แบบหลายระดับเบย์↔ เปรียบเทียบ
- การอนุมานแบบแปรผันหลายระดับเบย์↔ เปรียบเทียบ