Bayesian methods
Hamiltonian Monte Carlo
Hamiltonian Monte Carlo (HMC) 是一种基于梯度的马尔可夫链蒙特卡洛算法，它利用后验对数曲面的几何形状在参数空间中进行大步长、有信息的跳跃，而不是像经典 MCMC 那样进行小的随机移动。HMC 最初由 Duane、Kennedy、Pendleton 和 Roweth (1987) 以 Hybrid Monte Carlo 的名称引入到晶格场论中，后经 Radford Neal 在其权威的 2011 年章节推广到主流统计学领域，如今已成为 Stan 和 PyMC 中的默认采样器，并被广泛认为是高维模型中贝叶斯后验推断的先进引擎。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
另有 15 项
来源
- 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
如何引用本页
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo Sampling. ScholarGate. https://scholargate.app/zh/bayesian/hamiltonian-monte-carlo
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →被引用于
动态哈密顿蒙特卡洛动态序贯蒙特卡洛法Gibbs SamplingHamiltonian Monte Carlo with Measurement ErrorHamiltonian Monte Carlo with Missing Data分层哈密顿蒙特卡洛分层马尔可夫链蒙特卡洛用于模型比较的MCMC缺失数据下的MCMCMetropolis-Hastings算法多层吉布斯采样多层哈密顿蒙特卡洛 (Multilevel Hamiltonian Monte Carlo)多层级 MCMC无掉头采样器 (NUTS)鲁棒哈密顿蒙特卡洛稳健马尔可夫链蒙特卡洛 (Robust Markov Chain Monte Carlo)稳健粒子滤波器鲁棒序贯蒙特卡洛顺序蒙特卡洛切片采样空间马尔可夫链蒙特卡洛 (Spatial MCMC)时间序列 MCMC