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。
【牛津大学】多级蒙特卡洛方法,70页pdf
IJCAI 2021 | 一文了解微软亚洲研究院机器学习方向前沿进展
微软研究院AI头条
0+阅读 · 2021年8月24日
【论文深度研读报告】MuZero算法过程详解
深度强化学习实验室
2+阅读 · 2021年1月18日
粒子滤波到底是怎么得到的?
计算机视觉life
1+阅读 · 2020年12月9日
随机梯度蒙特卡洛算法-重要性采样|NeurIPS 2020
极市平台
0+阅读 · 2020年10月29日
微信扫码咨询专知VIP会员