Bayesian methodsBayesian / computational

Inferencia Variacional Dinàmica

La inferència variacional dinàmica estén el marc de la inferència variacional a entorns seqüencials i de sèries temporals postul·lant una posterior aproximada estructurada que respecta l'ordenació temporal dels estats latents. Aprèn conjuntament un model generatiu de com evolucionen els estats ocults al llarg del temps i una xarxa de reconeixement que mapeja seqüències observades a aquells estats latents, optimitzant un límit inferior de l'evidència seqüencial (ELBO).

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Krishnan, R. G., Shalit, U., & Sontag, D. (2015). Deep Kalman Filters. NIPS 2015 Workshop on Advances in Approximate Bayesian Inference. link
  2. Bayer, J., & Osendorfer, C. (2014). Learning Stochastic Recurrent Networks. NIPS 2014 Workshop on Advances in Variational Inference. link

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/ca/bayesian/dynamic-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.

Compare side by side

Citat per

ScholarGateDynamic Variational Inference (Dynamic Variational Inference for Sequential Latent Variable Models). Recuperat el 2026-06-15 de https://scholargate.app/ca/bayesian/dynamic-variational-inference · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026