Багаторівневий Гамільтонів Монте-Карло
Багаторівневий Гамільтонів Монте-Карло (Багаторівневий HMC) поєднує стратегію зменшення дисперсії багаторівневого Монте-Карло з ефективним дослідженням простору параметрів, керованим градієнтом, яке забезпечує Гамільтонів Монте-Карло. Запускаючи зв'язані ланцюги HMC на зростаючих рівнях точності моделі або дискретизації, він досягає точних апостеріорних оцінок за обчислювальних витрат, суттєво нижчих, ніж у одного ланцюга HMC на тонкому рівні.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multilevel Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/uk/bayesian/multilevel-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.
- Гамільтонів Монте-КарлоБаєсові методи↔ порівняти
- Ієрархічний Гамільтонів Монте-КарлоБаєсові методи↔ порівняти
- Метод Монте-Карло на основі Марковських ланцюгів (MCMC)Імітаційне моделювання↔ порівняти
- Багаторівневий MCMCБаєсові методи↔ порівняти
- Багаторівневий варіаційний висновокБаєсові методи↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →