V
主页
【贝叶斯统计】MCMC基础10 随机梯度哈密顿-蒙特卡洛算法 理论部分
发布人
证明玻尔兹曼分布的熵增不为0分了两部分是因为推到一半发现错了一点。简单总结一下关于这个算法的理论部分大家需要了解的结论:1)样本量很大时考虑用势能的随机梯度代替数值梯度;2)改用随机梯度后哈密顿方程变成随机微分方程,且由这个随机微分方程决定的系统熵增大于0,不是一个可逆系统,所以不能用Metropolis-Hastings的思路构造马尔科夫链;3)因此考虑引入摩擦力保证这个随机微分方程收敛到稳态,并直接用它演化,也就是不需要acceptance rate,轨迹的终点就是下一个样本
打开封面
下载高清视频
观看高清视频
视频下载器
【贝叶斯统计】MCMC基础1 Metropolis-Hastings算法
【贝叶斯统计】MCMC基础9 朗之万-蒙特卡洛算法
【贝叶斯统计】MCMC基础11 哈密顿-蒙特卡洛算法的自调参方法
【贝叶斯统计】MCMC基础7 RJ-MCMC算法推导1 Change Point Detection
【贝叶斯统计】 MCMC基础2 Gibbs采样介绍 以Horseshoe模型为例
【贝叶斯统计】MCMC理论1 Markov Chain基础 Detailed Balance Condition
【贝叶斯统计】AIC,BIC与DIC
【贝叶斯统计】贝叶斯公式与先验选择
【贝叶斯统计】贝叶斯参数估计基础
【贝叶斯统计】MCMC理论2 Metropolis-Hastings与two-stage Gibbs的理论
【贝叶斯统计】MCMC基础5 adaptive MCMC的R编程教学 以Normal Mean Model with Horseshoe-like为例
【贝叶斯统计】MCMC基础14 Slice Sampling
【贝叶斯统计】MCMC基础12 量子蒙特卡洛与量子概率论的概念基础
【整整500集】微积分、概率论、泰勒公式、拉格朗日、贝叶斯分析、聚类分析等难懂的数学基础一套课程一网打尽!—人工智能/机器学习/高等数学
【整整300集】别再走弯路了!2024最全最细自学机器学习全套教程,逼自己一个月学完,算法技术猛涨,从零基础小白到精通机器学习算法只要这套就够了!-人工智能
【贝叶斯统计】Rcpp简介 用C++优化R代码中的递归与循环
【贝叶斯统计】MCMC基础13 哈密顿-蒙特卡洛 No-U-Turn Sampler (NUTS)算法介绍
【贝叶斯统计】 MCMC基础4 R语言实践与MCMC的收敛性判断 以Horseshoe模型为例
【贝叶斯统计】Variational Inference
【贝叶斯统计】贝叶斯建模1 贝叶斯Logistic Regression上 先验选择
【贝叶斯统计】MCMC基础15 MCMC不适用的情形
【贝叶斯统计】高维经典模型 Horseshoe正态均值模型简介
【时间序列建模】随机波动模型(Stochastic Volatility Models)
【贝叶斯统计】熵,K-L divergence与互信息的基本概念
【贝叶斯统计】Bayes检验 Spike-and-Slab prior
别再学那些弱鸡算法了!目标检测YOLO系列最强两大算法YOLOv5+YOLOv8基础算法及代码实战三小时即可掌握!
【概统】统计推断导论(更新中,Casella第二版)
【贝叶斯统计】因果推断(causal inference)
【贝叶斯统计】Variable Selection的纯贝叶斯方法
【高维统计】LASSO估计cross validation的理论基础
【统计推断】EM算法
【贝叶斯统计】混合模型(mixture model)与高斯混合模型的EM算法
【贝叶斯统计】贝叶斯估计的理论性质(非渐近性质:有偏、最小最大、容许性)
【贝叶斯统计】参数展开(Parameter Expansion)
人生苦短,我用深度强化学习零基础入门视频全套课程,PPO算法/DQN算法/A3C 保姆级教程(学完可就业)
【贝叶斯统计】Wishart分布,多元正态协方差的共轭先验,逆Wishart分布与矩阵广义逆高斯
Transformer真的不难!100集带你逐层分解Transformer模型——注意力机制、前馈神经网络、位置编码、编码器、解码器等!算法原理+实战,通俗易懂
【贝叶斯统计】正态方差的共轭先验:逆Gamma与广义逆高斯
【贝叶斯统计】Cesaro-arerage risk (后验预测分布的渐近分析基础,以Horseshoe模型为例)
Transformer模块,动画详解!超强动画,一步一步深入浅出解释Transformer原理!——(人工智能、深度学习、机器学习算法、PYTORCH/AI)