Hamiltonovské metódy Monte Carlo v strojovom učení

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.

Pôvodný názov:

Hamiltonian Monte Carlo Methods in Machine Learning

Obsah knihy:

Hamiltonovské metódy Monte Carlo v strojovom učení predstavujú metódy optimálneho ladenia parametrov HMC spolu so zavedením tieňových a nekanonických metód HMC s vylepšeniami a zrýchlením. Nakoniec sa autori venujú kritickým otázkam redukcie rozptylu pre odhady parametrov početných vzorkovačov založených na HMC.

Kniha ponúka komplexný úvod do hamiltonovských metód Monte Carlo a poskytuje špičkový výklad súčasných patálií metód založených na HMC pri ladení, škálovaní aj vzorkovaní komplexných posteriorov reálneho sveta. Ide najmä o škálovanie inferencie (napr. hlboké neurónové siete), ladenie parametrov vzorkovania citlivých na výkon a vysokú autokoreláciu vzoriek.

Ďalšie časti poskytujú početné riešenia potenciálnych úskalí a predstavujú pokročilé metódy HMC s aplikáciami v oblasti obnoviteľných zdrojov energie, financií a klasifikácie obrazov pre biomedicínske aplikácie. Čitatelia sa oboznámia s teóriou vzorkovania HMC aj s implementáciou algoritmov.