অনুশীলনে ব্যবহৃত মহানগর-হেস্টিংস অ্যালগরিদম


20

আমি আজ খ্রিস্টান রবার্টের ব্লগটি পড়ছিলাম এবং তিনি যে নতুন মেট্রোপলিস-হেস্টিংস অ্যালগরিদম নিয়ে আলোচনা করছেন তা বেশ পছন্দ হয়েছিল। এটি প্রয়োগ করা সহজ এবং সহজ বলে মনে হয়েছিল।

আমি যখনই এমসিসিএম কোড আপ করি তখন আমি খুব বেসিক এমএইচ অ্যালগরিদম যেমন লগ স্কেলে স্বতন্ত্র পদক্ষেপ বা এলোমেলো পদক্ষেপের সাথে লেগে থাকি।

লোকেরা নিয়মিত কী এমএইচ অ্যালগরিদম ব্যবহার করে? নির্দিষ্টভাবে:

  • আপনি তাদের ব্যবহার করবেন না কেন?
  • কিছুটা অর্থে আপনাকে অবশ্যই ভাবতে হবে যে সেগুলি সর্বোত্তম - সর্বোপরি আপনি এগুলি নিয়মিত ব্যবহার করেন! সুতরাং আপনি কীভাবে অনুকূলতার বিচার করবেন: কোডিং, সহজ রূপান্তর, ...

অনুশীলনে যা ব্যবহৃত হয় সে সম্পর্কে আমি বিশেষত আগ্রহী, অর্থাৎ যখন আপনি নিজের স্কিমগুলি কোড করেন code


সম্ভবত, সিডব্লিউ? প্রশ্নটি লোকেরা কী ব্যবহার করে তা জরিপের মতো বলে মনে হচ্ছে। আপনি কীভাবে 'সেরা' উত্তরটি সংজ্ঞায়িত করবেন? আমি স্বীকার করি যে সিডাব্লু প্রয়োগ করার সময় আমি কিছুটা অস্পষ্ট। সুতরাং, যদি আপনি অন্যথায় মনে করেন তবে এই মন্তব্যটিকে নির্দ্বিধায় অবহেলা করুন।

1
এটাকে নন-সিডাব্লু হিসাবে ছেড়ে দেওয়া আমার আপত্তি হবে না, বিশেষত যদি কলিন একটি সেরা উত্তরের সম্ভাবনার জন্য এটি সামান্য পুনঃব্যবহার করতে পারে। এটি বলেছিল, আমি কীভাবে এটি করব তা কল্পনা করতে পারি না ...
শেন

আমি প্রশ্নটি এটি কম সিডব্লিউ করার জন্য পরিবর্তন করার চেষ্টা করেছি - নিশ্চিত হয়েছি যে আমি সফল হয়েছি কিনা :( @ শানে @ স্রীকান্ট আপনি যদি এখনও মনে করেন যে এটি সিডব্লিউ হওয়া উচিত, এটি নির্দ্বিধায় অনুভব করুন।
csgillespie

মনে হচ্ছে এটি একটি ভাল জরিপ কাগজ তৈরি করবে!
শান

উত্তর:


2

হাইব্রিড মন্টি কার্লো নিউরাল নেটওয়ার্কগুলির জন্য ব্যবহৃত স্ট্যান্ডার্ড অ্যালগরিদম। গাউস প্রক্রিয়া শ্রেণিবিন্যাসের জন্য গীবস নমুনা (পরিবর্তে যখন কোনও ডিস্ট্রিমেন্টিক আনুমানিকতা ব্যবহার করবেন না)।


2

এমএইচ স্যাম্পলিং ব্যবহৃত যখন এটি লক্ষ্য বন্টন থেকে নমুনা কঠিন হয় (যেমন, যখন পূর্বে নয় অনুবন্ধী সম্ভাবনা করার জন্য)। সুতরাং আপনি নমুনা উত্পন্ন করতে প্রস্তাব বিতরণ ব্যবহার করেন এবং গ্রহণযোগ্যতার সম্ভাবনার উপর ভিত্তি করে সেগুলি গ্রহণ / প্রত্যাখ্যান করুন। গিবস স্যাম্পলিং অ্যালগরিদম এমএইচ একটি বিশেষ দৃষ্টান্ত যেখানে প্রস্তাব করা হয় সবসময় স্বীকার করা হয়েছে। গীবস স্যাম্পলিং এর সরলতার কারণে সবচেয়ে বেশি ব্যবহৃত একটি অ্যালগরিদম তবে এটি প্রয়োগ করা সর্বদা সম্ভব নাও হতে পারে, এক্ষেত্রে প্রস্তাব গৃহীত / প্রত্যাখ্যানের ভিত্তিতে একজন এমএইচ রিসর্ট করে।


1

পদার্থবিজ্ঞানে বিশেষত পরিসংখ্যান পদার্থবিজ্ঞান মেট্রোপলিস-টাইপ অ্যালগরিদম (গুলি) ব্যাপকভাবে ব্যবহৃত হয়। এর প্রকৃতপক্ষে অগণিত রূপ রয়েছে এবং নতুনগুলি সক্রিয়ভাবে বিকশিত হচ্ছে। এখানে যে কোনও প্রকারের বিস্তৃতি দেওয়া খুব বিস্তৃত বিষয়, সুতরাং আপনি যদি আগ্রহী হন তবে আপনি উদাহরণস্বরূপ এই বক্তৃতা নোটগুলি থেকে বা ALPS গ্রন্থাগারের ওয়েবপৃষ্ঠা থেকে শুরু করতে পারেন (http://alps.comp-phys.org/mediawiki)।


আমি বুঝতে পারি যে এই অ্যালগোরিদমের অসংখ্য রূপ রয়েছে। আমি যা আগ্রহী তা হ'ল লোকেরা নিয়মিত যা ব্যবহার করে।
csgillespie

1

আমি একটি স্লাইস স্যাম্পেলার ব্যবহার করি - মূলত নিল দ্বারা প্রস্তাবিত (2003), যা আমি হিউরিস্টিক অপ্টিমাইজেশনের মাধ্যমে সুর করি।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.