کتاب تنظیمات پیشرفته برای نمونهگیری در Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تنظیمات پیشرفته برای نمونهگیری در Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مبانی MCMC و مفهوم نمونهگیری مارکتکارل مارکوف
- 2. همدانه مارکوفي (Hamiltonian Monte Carlo) و ساختار نمونهگیری
- 3. تنظیمات اسامبلر NUTS در Stan
- 4. ریزدوز (Step Size) تنظیم شده و تأثیر بر کاهش انحصاری
- 5. ماتریس ماس (Mass Matrix) و بهینهسازی در تنظیمات Stan
- 6. مدیریت دوره گرم (Warm-up Phase) و انتخاب تعداد نمونههای گرم
- 7. نرخ هدف پذیرش (Target Acceptance Rate) و تنظیم آن در NUTS
- 8. تشخیص انحراف (Divergence Detection) و نحوه مدیریت آن
- 9. اندازه نمونه مؤثر (Effective Sample Size) محاسبه و تحلیل
- 10. تحلیل همبستگی خودآورزی (Autocorrelation) و تصمیمگیری
- 11. نمودارهای رنگ (Trace Plots) برای ارزیابی پایداری زنجیره
- 12. معیار R‑hat و شناسایی عدم همگرایی
- 13. استراتژیهای نمونهگیری پس از گرم شدن
- 14. پارامتریاز کردن غیرکेंدری (Non‑centered Parameterization)
- 15. تکنیکهای بازنمایی (Reparameterization) برای افزایش کارایی
- 16. مدیریت حافظه و کش (Cache) در محاسبات MCMC گسترده
- 17. تنظیمات پراپروسیسنگ و چندپردازندهای
- 18. خطرات عددی و ناپایداری در ماتریسهای وزندار
- 19. تنظیمات پیشرفته برای مدلهای سلسلهمراتبی (Hierarchical Models)
- 20. بررسی پیشبینی پسورد (Posterior Predictive Check) در پژوهشهای Stan
- 21. اعتبارسنجی حساسیت برای پارامترهای نمونهگیری
- 22. مستندسازی بهینه فایل کنسیگرست در پروژههای Stan
تگها:
BayesianInference
ConvergenceDiagnostics
DivergenceDetection
EffectiveSampleSize
HamiltonianMonteCarlo
MCMC
NUTS
ParallelChains
PosteriorPredictiveCheck
RandomSeed
Reparameterization
Rhat
Stan
TargetAcceptRate
TracePlot
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.