按年被提到
20122017 · 1 次2026
数学、逻辑与理论›数值分析与偏微分方程·arXiv:1206.1901 · stat.CO

MCMC using Hamiltonian dynamics

基于哈密顿动力学的 MCMC
Radford M. Neal · 2012

Neal 对哈密顿蒙特卡洛(HMC)原理、实践与变体的经典综述

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 4 人首次 2017-02-28 · 最近 2021-10-22发表于 Chapman & Hall/CRC eBooks
4不同的人
4活跃月份
4讨论串
3,014被引(OpenAlex)

哈密顿动力学可为 Metropolis 算法产生远距离提议,避免简单随机游走提议那种扩散式的缓慢探索;通过引入虚构的「动量」变量,它可用于大多数连续状态空间问题。其关键在于哈密顿动力学保持体积,轨迹因此可用于定义复杂映射而无需计算难算的雅可比因子,即使时间被离散化近似也能精确保持。作者在综述中讨论了 HMC 的理论与实践,并介绍多种变体,如用状态窗口决定接受或拒绝、用快速近似计算轨迹、在轨迹中做回火以处理孤立模式,以及避免无用轨迹耗费算力的捷径方法。

HN 为什么提它

评论者称它是 HMC 的优美概览,甚至是读过的最有启发的论文之一,并向想学习采样、MCMC 的人推荐。

综述难度 4 / 5约 100 分钟经得起时间
读之前最好知道
1马尔可夫链蒙特卡洛(MCMC)与 Metropolis 算法
2哈密顿力学与 leapfrog 积分
3概率分布的梯度与对数密度
4细致平衡与接受概率

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
强烈推荐soVeryTired · 2017-02

“Radford Neal's expository paper [1] on HMC is a beautiful overview of the area, and honestly one of the most enlightening papers I've ever read.”

强烈推荐 Neal 这篇 HMC 综述,称是读过最有启发的论文之一
A Conceptual Introduction to Hamiltonian Monte Carlo原评论 ↗
推荐activatedgeek · 2019-04

“Markov Chain Monte Carlo to sample from probability distributions is a good start - MCMC using Hamiltonian dynamics if you are into sampling.”

推荐它作为 MCMC 概率分布采样的好起点
Ask HN: Best place to start learning about Markov Chains?原评论 ↗
引用yt-sdb · 2021-10

“Another commenter mentioned HMC [3], which is just a specific instance of MCMC.”

指出 HMC 只是 MCMC 的一种具体实例
An Introduction to Probabilistic Programming原评论 ↗
被提交为 story · 1 次