Bayesian methodsBayesian / computational
鲁棒哈密顿蒙特卡洛
鲁棒哈密顿蒙特卡洛（Robust HMC）是标准HMC的扩展家族，旨在当后验分布具有厚尾、强曲率变化或近乎退化的几何结构时，保持几何遍历性和采样效率。通过修改动能、质量矩阵或提议机制，这些方法确保了对标准NUTS/HMC采样器难以处理的复杂后验分布进行可靠探索。
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。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Robust Hamiltonian Monte Carlo. ScholarGate. https://scholargate.app/zh/bayesian/robust-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 →