Гамільтонів Монте-Карло
Гамільтонів Монте-Карло (HMC) — це градієнтоорієнтований алгоритм Марковського ланцюга Монте-Карло, який використовує геометрію поверхні логарифмічної апостеріорної густини для здійснення великих, обґрунтованих стрибків у просторі параметрів замість малих випадкових кроків класичного MCMC. Спочатку представлений для теорії ґраткових полів під назвою Hybrid Monte Carlo Дьюаном, Кеннеді, Пендлтоном та Роветом (1987), а введений у загальну статистику Радфордом Нілом у його авторитетній главі 2011 року, HMC сьогодні є стандартним семплером у Stan та PyMC і широко визнаний як найсучасніший механізм для байєсівського апостеріорного висновування у високорозмірних моделях.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
+ще 15
Джерела
- Duane, S., Kennedy, A. D., Pendleton, B. J., & Roweth, D. (1987). Hybrid Monte Carlo. Physics Letters B, 195(2), 216–222. DOI: 10.1016/0370-2693(87)91197-X ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 116–162). Chapman and Hall/CRC. ISBN: 978-1420079418 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/uk/bayesian/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
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ порівняти
- Варіаційний висновокБаєсові методи↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →