混合蒙特卡罗是用于神经网络的标准算法。用于高斯过程分类的吉布斯采样（当不使用确定性近似时）。

当难以从目标分布中采样时（例如，当先验与可能性不共轭时）使用MH 采样。因此，您使用提案分布来生成样本并根据接受概率接受/拒绝它们。Gibbs 采样算法是 MH 的一个特殊实例，其中建议总是被接受。Gibbs 采样由于其简单性是最常用的算法之一，但它可能并不总是可以应用，在这种情况下，人们会根据接受/拒绝建议求助于 MH。

在物理学中，特别是统计物理学中，Metropolis 类型的算法被广泛使用。这些真的有无数种变种，并且正在积极开发新的变种。这个话题太宽泛了，无法在这里进行任何形式的解释，所以如果您有兴趣，可以从这些讲义或 ALPS 图书馆网页 (http://alps.comp-phys.org/mediawiki) 开始。

我使用切片采样器 - 最初由 Neal(2003) 提出，我通过启发式优化对其进行调整。