统计计算 课件 4.2 Metropolis-Hasting算法.pptx

统计计算 课件 4.2 Metropolis-Hasting算法.pptx

4.2Metropolis-Hasting算法

(梅特罗波利斯-黑斯廷斯);马尔可夫链蒙特卡洛法;Metropolis-Hastings算法是最基本的马尔可夫链蒙特卡罗法

吉布斯抽样(Gibbssampling)是更简单、使用更广泛的马尔可夫链蒙特卡罗法,

马尔可夫链蒙特卡罗法被应用于概率分布的估计、定积分的近似计算、最优化问题的近似求解等问题,特别是被应用于统计学习中概率模型的学习与推理,是重要的统计学习计算方法。;M-H采样算法是1953年由美国物理学家尼古拉斯·梅特罗波利斯与加拿大统计学家W·K·黑斯廷斯提出的,这是第一个基于马尔科夫链的蒙特卡洛方法,也被评选为20世纪最重要的算法之一。

该算法的思想是基于接受-拒绝抽样方法(舍选法)。

在接受-拒绝抽样方法中,有建议概率密度函数g、目标概率密度函数f和一个概率函数(接受函数)h。

Metropolis算法假设在样本空间上存在目标(采样的分布)概率密度函数f,需要在Ω上产生样本的马尔科夫链,使得它的平稳分布恰好是该采样分布。;模拟退火方法来源于统计力学。它包含两个部分:退火部分和Metropolis,分别对应于外循环和内循环。内循环指的是在每次温度下迭代数次,寻找在该温度下能量的最小值,即使内部能量最小。外循环指的是先将固体达到一个较高的温度(初始温度),然后使温度按照一定的比例下降,一直到温度变为终止温度停止。退火过

文档评论(0)

1亿VIP精品文档

相关文档