คำถามติดแท็ก hmc

ฉันพยายามเข้าใจถึงข้อดีและข้อเสียรวมถึงโดเมนแอปพลิเคชันที่แตกต่างกันของโครงร่าง MCMC ทั้งสองนี้ คุณจะใช้อันไหนและทำไม? เมื่อใดที่หนึ่งอาจล้มเหลว แต่อีกอันไม่ใช่ (เช่น HMC บังคับใช้ได้ แต่ SMC ไม่และในทางกลับกัน) วิธีการหนึ่งที่ได้รับอย่างไร้เดียงสาสามารถวัดยูทิลิตี้ในวิธีหนึ่งเมื่อเทียบกับวิธีอื่น (เช่นคือโดยทั่วไปดีกว่า ) ฉันกำลังอ่านหนังสือพิมพ์ที่ยอดเยี่ยม Betancourt ใน HMC

23 mcmc  random-walk  particle-filter  probabilistic-programming  hmc 

คุณช่วยอธิบายทีละขั้นตอนเกี่ยวกับวิธีการทำงานของ Hamiltonian Monte Carlo ได้ไหม? PS: ฉันได้อ่านคำตอบที่นี่แล้วHamiltonian monte carloและที่นี่Hamiltonian Monte Carlo กับ Sequential Monte Carloและที่นี่Hamiltonian Monte Carlo: จะทำให้รู้สึกถึงข้อเสนอของ Metropolis-Hasting อย่างไร และพวกเขาไม่ได้กล่าวถึงอย่างเป็นขั้นเป็นตอน

14 bayesian  hmc 

ใครสามารถอธิบายแนวคิดหลักที่อยู่เบื้องหลังวิธีการของ Hamiltonian Monte Carlo และในกรณีใดที่พวกเขาจะให้ผลลัพธ์ที่ดีกว่าวิธีของ Markov Chain Monte Carlo

14 bayesian  mcmc  hmc 

ฉันพยายามที่จะเข้าใจการทำงานภายในของ Hamiltonian Monte Carlo (HMC) แต่ไม่สามารถเข้าใจส่วนนี้ได้อย่างสมบูรณ์เมื่อเราแทนที่การรวมเวลาที่กำหนดไว้กับข้อเสนอ Metropolis-Hasting ฉันกำลังอ่านกระดาษเกริ่นนำสุดยอด A บทนำเกี่ยวกับแนวคิดของมิลโตเนียนมอนติคาร์โลโดย Michael Betancourt ดังนั้นฉันจะทำตามสัญกรณ์เดิมที่ใช้ในนั้น พื้นหลัง เป้าหมายทั่วไปของ Markov Chain Monte Carlo (MCMC) เป็นที่ใกล้เคียงกับการกระจายของตัวแปรเป้าหมายQπ( q)π(Q)\pi(q)QQq ความคิดของ HMC คือการแนะนำผู้ช่วย "โมเมนตัม" ตัวแปรร่วมกับตัวแปรเดิมที่ถูกจำลองเป็นตำแหน่ง "" คู่ตำแหน่ง - โมเมนตัมเป็นพื้นที่เฟสขยายและสามารถอธิบายได้โดยการเปลี่ยนแปลงของมิลโตเนียน ข้อต่อการกระจายสามารถเขียนได้ในแง่ของการสลายตัวของ microcanonical:พีพีpQQqπ( q, p )π(Q,พี)\pi(q, p) π( q, p ) = π(θE| E)π( E)π(Q,พี)=π(θE|E)π(E)\pi(q, p) = \pi(\theta_E | E) …

9 mcmc  monte-carlo  hmc