Надійний Гамільтонів Монте-Карло
Надійний Гамільтонів Монте-Карло (Robust HMC) — це сімейство розширень стандартного HMC, розроблених для збереження геометричної ергодичності та ефективності вибірки, коли апостеріорний розподіл має важкі хвости, сильні варіації кривини або майже вироджену геометрію. Модифікуючи кінетичну енергію, матрицю мас або механізм пропозиції, ці методи забезпечують надійне дослідження складних апостеріорних розподілів, які долають стандартний семплер NUTS/HMC.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- Livingstone, S. & Zanella, G. (2022). The Barker proposal: combining robustness and efficiency in gradient-based MCMC. Journal of the Royal Statistical Society: Series B, 84(2), 496–523. DOI: 10.1111/rssb.12482 ↗
- Betancourt, M. (2017). A conceptual introduction to Hamiltonian Monte Carlo. arXiv preprint arXiv:1701.02434. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/uk/bayesian/robust-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.
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ порівняти
- Гамільтонів Монте-КарлоБаєсові методи↔ порівняти
- Робастне байєсіанське висновуванняБаєсові методи↔ порівняти
- Варіаційний висновокБаєсові методи↔ порівняти
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →