Hamilton Monte Carlo-módszerek a gépi tanulásban

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.

Eredeti címe:

Hamiltonian Monte Carlo Methods in Machine Learning

Könyv tartalma:

A Hamiltonian Monte Carlo Methods in Machine Learning bemutatja a HMC paraméterek optimális hangolásának módszereit, valamint az árnyék és nem kanonikus HMC módszerek bemutatását fejlesztésekkel és gyorsítással. Végül a szerzők foglalkoznak a számos HMC-alapú mintavevő paraméterbecslések varianciacsökkentésének kritikus kérdéseivel.

A könyv átfogó bevezetést nyújt a Hamilton Monte Carlo-módszerekbe, és élvonalbeli bemutatja a HMC-alapú módszerek jelenlegi patológiáit mind a hangolás, mind a skálázás, mind a mintavételezés, mind pedig a komplex valós világbeli poszteriorok mintavételezése terén. Ezek főként a következtetés skálázásában (pl. mély neurális hálózatok), a teljesítményérzékeny mintavételi paraméterek hangolásában és a magas mintaautokorrelációban jelentkeznek.

Más részek számos megoldást kínálnak a lehetséges buktatókra, és fejlett HMC módszereket mutatnak be a megújuló energiaforrások, a pénzügyek és az orvosbiológiai alkalmazások képosztályozásának alkalmazásával. Az olvasók megismerkedhetnek mind a HMC mintavételezés elméletével, mind az algoritmusok megvalósításával.