Ієрархічний Гамільтонів Монте-Карло
Ієрархічний Гамільтонів Монте-Карло (Ієрархічний HMC) застосовує семплювання Гамільтоновим Монте-Карло до байєсівських ієрархічних моделей, вирішуючи серйозні геометричні проблеми, які ці моделі створюють. Поєднуючи нецентровані параметризації з пропозиціями HMC, керованими градієнтом, він досягає ефективного дослідження апостеріорного розподілу багаторівневих геометрій у формі лійки, з якими стандартні методи MCMC мають труднощі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- 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 for Hierarchical Models. ScholarGate. https://scholargate.app/uk/bayesian/hierarchical-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
- Гамільтонів Монте-КарлоБаєсові методи↔ порівняти
- Ієрархічний байєсівський висновокБаєсові методи↔ порівняти
- Ієрархічний ланцюг Маркова Монте-КарлоБаєсові методи↔ порівняти
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ порівняти
Згадується в
Similar methods
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →