马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo),简称MCMC,产生于19世纪50年代早期,是在贝叶斯理论框架下,通过计算机进行模拟的蒙特卡洛方法(Monte Carlo)。该方法将马尔科夫(Markov)过程引入到Monte Carlo模拟中,实现抽样分布随模拟的进行而改变的动态模拟,弥补了传统的蒙特卡罗积分只能静态模拟的缺陷。MCMC是一种简单有效的计算方法,在很多领域到广泛的应用,如统计物、贝叶斯(Bayes)问题、计算机问题等。
  1. 蒙特卡罗方法 – Deep Learning Book Chinese Translation
  2. zhihu.com/lives
  3. Hamiltonian Monte Carlo explained
  4. 怎样分析蒙特卡洛方法的误差? - 知乎
  5. 蒙特卡洛树是什么算法? - 知乎
  6. 蒙特卡洛模拟在实际工作中到底是做什么的? - 知乎
  7. MATLAB 笔记:蒙特卡洛方法
  8. 如何翻译和解释马尔可夫链蒙特卡罗(MCMC...
  9. Kevin Chan's blog - 《Deep Learning...
  10. IV.... | JAYANDJEAN
  11. Python金融大数据分析-蒙特卡洛仿真
  12. 一份数学小白也能读懂的「马尔可夫链蒙特卡洛方法」入门指南
  13. 直面配分函数 – Deep Learning Book Chinese Translation
  14. Kevin Chan's blog - 《Deep Learning...
  15. 蒙特克洛模拟的优化 | The North
  16. 泛福轩
  17. 再谈MCMC方法
  18. 泛福轩
  19. 哪位大神可以解释下马尔科夫链,用通俗的说法和例子。? - 知乎
  20. gibbs-sampling
展开全文
微信扫码咨询专知VIP会员