Istnieją też warianty próbkowania przekrojów, które nie korzystają z błądzenia losowego. MCMC Langevina i inne metody oparte na gradiencie (czasem także na drugiej pochodnej) logarytmu rozkładu warunkowego pozwalają na tworzenie propozycji, które mają większą szansę na poruszanie się w kierunku dużej gęstości prawdopodobieństwa.
Przypisy
Bibliografia Christophe Andrieu, Nando De Freitas, Arnaud Doucet and Michael I. Jordan An Introduction to MCMC for Machine Learning, 2003
.
Kategoria:Metody numeryczne Kategoria:Modelowanie statystyczne Kategoria:Procesy stochastyczne