Пространствена вариационна инференция
Пространствената вариационна инференция е мащабируем приближен Бейсов метод, който напасва латентни Гаусови или Гаусови процесни модели към геореферирани данни чрез оптимизиране на долна граница на маргиналната правдоподобност. Той замества скъпоструващото MCMC семплиране с детерминистична стъпка на оптимизация, правейки пълното количествено определяне на апостериорната неопределеност осъществимо за големи пространствени набори от данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Titsias, M. K. (2009). Variational learning of inducing variables in sparse Gaussian processes. In Proceedings of the 12th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 5, pp. 567-574. link ↗
- Rue, H., Martino, S., & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319-392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Spatial Variational Inference for Latent Gaussian Models. ScholarGate. https://scholargate.app/bg/bayesian/spatial-variational-inference
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесовски йерархичен моделБейсови методи↔ compare
- Гаусов процесМашинно обучение↔ compare
- Пространствено Байесово ИзвежданеБейсови методи↔ compare
- Пространствено MCMC (Spatial MCMC)Бейсови методи↔ compare
- Вариационен инференсБейсови методи↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →