Variationsinferens for tidsserier
Variationsinferens for tidsserier anvender variations-Bayes på sekventielle data og approksimerer den uoverkommelige posterior over latente tilstande og parametre med en håndterbar familie af fordelinger. Ved at maksimere den nedre grænse for evidens (ELBO) leverer den hurtig, skalerbar Bayesiansk inferens for tilstandsrumsmodeller, dynamiske latente variabelmodeller og andre tidsordnede probabilistiske systemer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Blei, D. M., Kucukelbir, A. & McAuliffe, J. D. (2017). Variational inference: A review for statisticians. Journal of the American Statistical Association, 112(518), 859-877. DOI: 10.1080/01621459.2017.1285773 ↗
- Jordan, M. I., Ghahramani, Z., Jaakkola, T. S. & Saul, L. K. (1999). An introduction to variational methods for graphical models. Machine Learning, 37(2), 183-233. DOI: 10.1023/A:1007665907178 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Variational Inference for Time Series Models. ScholarGate. https://scholargate.app/da/bayesian/time-series-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.
- Dynamisk variationel inferensBayesiansk↔ compare
- Kalman-filterBayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
- Bayesiansk inferens for tidsserierBayesiansk↔ compare
- Tidsserie MCMCBayesiansk↔ compare
- VariationsinferensBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →