| rdfs:comment
| - Алгоритм Метрополиса-Гастингса — это алгоритм генерации выборки, использующийся, в основном, для сложных функций распределения. Он отчасти похож на алгоритм выборки с отклонением, однако здесь вспомогательная функция распределения меняется со временем. Алгоритм был впервые опубликован Н. Метрополисом в 1953 году, и затем обобщен К. Гастингсом в 1970. Сэмплирование по Гиббсу является частным случаем алгоритма Метрополиса-Гастингса и более популярен за счет простоты и скорости, хотя и реже применим. Например, если взять Гауссиан как вспомогательную функцию, то .
|
| abstract
| - Алгоритм Метрополиса-Гастингса — это алгоритм генерации выборки, использующийся, в основном, для сложных функций распределения. Он отчасти похож на алгоритм выборки с отклонением, однако здесь вспомогательная функция распределения меняется со временем. Алгоритм был впервые опубликован Н. Метрополисом в 1953 году, и затем обобщен К. Гастингсом в 1970. Сэмплирование по Гиббсу является частным случаем алгоритма Метрополиса-Гастингса и более популярен за счет простоты и скорости, хотя и реже применим. Алгоритм Метрополиса-Гастингса позволяет сэмплировать любую функцию распределения. Он создает цепь Маркова, то есть на каждом шаге новое выбранное значение зависит только от предыдущего . Алгоритм использует вспомогательную функцию распределения , зависящую от , для которой делать выборку просто (например, Гауссиан). На каждом шаге сначала для этой функции генерируется случайное значение . Затем с вероятностью (или с вероятностью 1, если ), выбранное значение принимается как новое: , а иначе оставляется старое: . Например, если взять Гауссиан как вспомогательную функцию, то . Такая функция выдает новое значение рядом со значением на предыдущем шаге. Изначально алгоритм Метрополиса требовал, чтобы вспомогательная функция была симметрична: , однако обобщение Гастингса снимает это ограничение.
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)