tensorflow - 哈密顿量 MCMC 是否要求建模函数是可微的？
问题描述
我已经阅读了一些关于 Hamiltonian MCMC 的参考资料，但其中的一部分并不理解。假设尝试使用 HMC 进行贝叶斯推理。我的问题是高维的（例如要找到超过 1000 个参数）。如您所知，存在先验分布和似然分布。在似然概率计算中，我们需要一个正向建模器来计算观测值和建模数据之间的差异。我的问题是，我们可以在哪个前向建模器不可区分的情况下使用 HMC，因为 HMC 是基于梯度的 MCMC？对于具有不可微分正向建模函数的高维问题的 MCMC，还有哪些其他解决方案？非常感谢。
解决方案
推荐阅读
- javascript - 右键单击Chrome中的其他位置后如何继续选择文本
- three.js - Three.js - 模型导入场景后不显示
- python - 有效地将 3d 数组中的值连接到 2d 数组
- shell - 在 perl 中找不到路径
- selenium - 在运行 WebdriverIO 测试之前，如何防止下载 selenium-server-standalone-3.141.59.jar？
- apache-spark - 使用 pyspark 进行分区未生效
- html - 停用html模板中的按钮和分类功能
- vue.js - 如何在 Nuxt.js 的 Vuex 存储中使用异步获取？
- scala - Akka Play guice 绑定无标签最终（TF）支持
- javascript - 发现重复键时如何更新 MongoDB 文档的值？