Динамічний Гамільтонів Монте-Карло
Динамічний Гамільтонів Монте-Карло — широко відомий як No-U-Turn Sampler (NUTS) — є адаптивним розширенням Гамільтонового Монте-Карло, яке автоматично вибирає кількість кроків інтегрування методом стрибка (leapfrog) під час кожного переходу MCMC, усуваючи необхідність вручну налаштовувати найчутливіший параметр стандартного HMC. Це стандартний семплер у Stan та PyMC, придатний для неперервних, диференційовних апостеріорних розподілів помірної та високої розмірності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/uk/bayesian/dynamic-hamiltonian-monte-carlo
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Байєсівська регресіяБаєсові методи↔ порівняти
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ порівняти
- Гамільтонів Монте-КарлоБаєсові методи↔ порівняти
- Послідовний Монте-КарлоБаєсові методи↔ порівняти
- Варіаційний висновокБаєсові методи↔ порівняти
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →