8. An Introduction to MCMC for Machine Learning (1)
生活随笔
收集整理的這篇文章主要介紹了
8. An Introduction to MCMC for Machine Learning (1)
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
這篇介紹性論文有三個目的：
應用：MCMC在統計學、計量經濟學、物理學和計算科學中發揮重要作用。例如高維問題，在d維空間中計算凸體的體積，MCMC模擬是唯一已知的在合理的時間（d的多項式）內提供解決方案的通用方法。
簡介：
1946年，Stan Ulam想設法計算出一個用52張紙牌擺出特定排列的概率。在嘗試了詳盡的組合計算之后，他轉向采用隨機布置幾個紙牌，然后觀察和計數成功的次數。選擇一個統計樣本來用一個簡單得多的問題來逼近一個組合問題的想法是現代蒙特卡羅模擬的核心。
Stan Ulam意識到計算機可以用這種方式來解決中子擴散和數學物理學的問題。他和約翰·馮·諾依曼開發了許多蒙特卡洛算法，包括重要性抽樣和拒絕抽樣。
20世紀40年代，物理學家Metropolis為最先進的計算機（ENIAC）設計了新的控制裝置。不久，他設計了一款改進型計算機，將其命名MANIAC。
1949年，Metropolis發表文章介紹了蒙特卡洛粒子方法等思想，這些方法構成了現代序貫蒙特卡羅方法的基礎，如自舉濾波
總結
以上是生活随笔為你收集整理的8. An Introduction to MCMC for Machine Learning (1)的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 第10章 图与网络优化
- 下一篇： 04 凸优化问题