Metodi Hamiltoniani Monte Carlo nell'apprendimento automatico

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Hamiltonian Monte Carlo Methods in Machine Learning

Contenuto del libro:

Hamiltonian Monte Carlo Methods in Machine Learning introduce metodi per la regolazione ottimale dei parametri HMC, oltre a un'introduzione dei metodi HMC Shadow e Non-canonici con miglioramenti e velocizzazioni. Infine, gli autori affrontano le questioni critiche della riduzione della varianza per le stime dei parametri di numerosi campionatori basati su HMC.

Il libro offre un'introduzione completa ai metodi Hamiltonian Monte Carlo e fornisce un'esposizione all'avanguardia delle attuali patologie dei metodi basati su HMC sia per quanto riguarda la messa a punto, la scalatura e il campionamento di posteriori complessi del mondo reale. Le problematiche riguardano principalmente la scalatura dell'inferenza (ad esempio, le reti neurali profonde), la regolazione dei parametri di campionamento sensibili alle prestazioni e l'elevata autocorrelazione dei campioni.

Altre sezioni forniscono numerose soluzioni alle potenziali insidie, presentando metodi HMC avanzati con applicazioni nelle energie rinnovabili, nella finanza e nella classificazione delle immagini per applicazioni biomediche. I lettori impareranno a conoscere sia la teoria del campionamento HMC che l'implementazione degli algoritmi.