Automatische Differentielle Variationsinferenz (ADVI)
Automatische Differentielle Variationsinferenz (ADVI) ist ein Black-Box-Algorithmus für approximative bayes'sche Posterior-Inferenz, eingeführt von Kucukelbir, Tran, Ranganath, Gelman und Blei (2017, JMLR). Für jedes probabilistische Modell, dessen Gelenkdichtefunktion (log-joint density) differenzierbar ist, transformiert ADVI automatisch eingeschränkte latente Variablen in den unbeschränkten reellen Raum, passt eine Gaußsche Variationsfamilie durch Maximierung der Evidence Lower Bound (ELBO) mittels stochastischem Gradientenaufstieg an und liefert ein approximatives Posterior ohne modellspezifische Ableitungen. Es ist die Standard-Variationsinferenz-Engine in Stan und ist in PyMC und NumPyro verfügbar.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Kucukelbir, A., Tran, D., Ranganath, R., Gelman, A. & Blei, D. M. (2017). Automatic differentiation variational inference. Journal of Machine Learning Research, 18(14), 1–45. link ↗
- Kucukelbir, A., Tran, D., Ranganath, R., Gelman, A. & Blei, D. M. (2016). Automatic differentiation variational inference. arXiv:1603.00788. link ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Automatic Differentiation Variational Inference (ADVI). ScholarGate. https://scholargate.app/de/bayesian/automatic-differentiation-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.
- Bayes'sche RegressionBayes-Statistik↔ compare
- Expectation Propagation (EP)Bayes-Statistik↔ compare
- Markov-Kette Monte Carlo (MCMC)Bayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →