转载需注明出处:https://www.codelast.com/

蒙特卡罗(洛)方法(Monte Carlo method),也称统计模拟方法,是1940年代中期由于科学技术的发展和电子计算机的发明,而提出的一种以概率统计理论为指导的数值计算方法。是指使用随机数来解决很多计算问题的方法。

下面的系列文章是《Deep Learning Book》一书第17章的部分肤浅读书笔记。由于本人理论水平有限,我认为满是公式、基本没有实例的《Deep Learning Book》第17章“很难看”、不利于学习。因此,我根据第17章的章节结构,自己去查阅了一些其他资料,找到了很多实例来写成了这些文章,我认为对初学者来说,它们可以让人更容易看懂。
不过,还是需要事先声明,这些文章中的某些陈述,是我个人的理解,本人水平有限,难免会有各种错误,请自行辨别。

➤ 蒙特卡罗方法的定义、历史以及存在意义

➤ 蒙特卡罗方法的实例1:计算圆周率

➤ 蒙特卡罗方法的实例2:计算定积分

➤ 蒙特卡罗算法 对比 拉斯维加斯算法

➤ 重要性采样/Importance Sampling

➤ 马尔科夫链蒙特卡罗/Markov chain Monte Carlo, MCMC

➤ 马尔科夫链/Markov chain

➤ 马尔科夫链的平稳分布

➤ 马尔科夫链的细致平稳条件/Detailed Balance

➤ 马尔科夫链的接受率/Acceptance Probability

➤ 标准MCMC算法实现及其存在的问题

➤ Metropolis Hastings MCMC算法

➤ 吉布斯采样/Gibbs Sampling

 
[原创] 用人话解释蒙特卡罗方法/Monte Carlo method(文章合集)

发表评论

电子邮件地址不会被公开。 必填项已用*标注