เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การจำลองแบบพลวัตด้วยวิธีมอนติคาร์โล (Dynamic Monte Carlo Simulation)× | การสุ่มตัวอย่างแบบกิบบส์× | |
|---|---|---|
| สาขาวิชา | เบย์ | เบย์ |
| ตระกูล | Bayesian methods | Bayesian methods |
| ปีกำเนิด≠ | 1975–1977 | 1984 |
| ผู้ริเริ่ม≠ | Bortz, Kalos & Lebowitz (physics); Gillespie (chemistry) | Stuart Geman & Donald Geman |
| ประเภท≠ | stochastic simulation | MCMC sampling algorithm |
| แหล่งต้นตำรับ≠ | Bortz, A. B., Kalos, M. H., & Lebowitz, J. L. (1975). A new algorithm for Monte Carlo simulation of Ising spin systems. Journal of Computational Physics, 17(1), 10–18. DOI ↗ | Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721-741. DOI ↗ |
| ชื่อเรียกอื่น | DMC simulation, kinetic Monte Carlo, time-driven Monte Carlo, event-driven Monte Carlo | Gibbs sampler, coordinate-wise MCMC, systematic scan Gibbs, blocked Gibbs sampling |
| ที่เกี่ยวข้อง≠ | 6 | 5 |
| สรุป≠ | Dynamic Monte Carlo (DMC) simulation is a computational method that tracks the stochastic time evolution of a system by drawing random event sequences weighted by transition rates. Unlike static Monte Carlo sampling of equilibrium distributions, DMC explicitly advances a clock, making it suitable for kinetic, reaction, and time-dependent phenomena where the sequence and timing of events matter. | Gibbs sampling is a Markov chain Monte Carlo algorithm that approximates a high-dimensional posterior distribution by repeatedly drawing each parameter from its full conditional distribution given all other parameters and the data. Because each draw is exact from a conditional — not a proposal that may be rejected — the sampler is efficient when those conditionals are available in closed form. |
| ScholarGateชุดข้อมูล ↗ |
|
|