Dynamische Variationsinferenz
Die dynamische Variationsinferenz erweitert den Rahmen der Variationsinferenz auf sequentielle und Zeitreihen-Einstellungen, indem sie eine strukturierte approximative A-posteriori-Verteilung annimmt, die die zeitliche Ordnung latenter Zustände respektiert. Sie lernt gemeinsam ein generatives Modell dafür, wie sich versteckte Zustände über die Zeit entwickeln, und ein Erkennungsnetzwerk, das beobachtete Sequenzen auf diese latenten Zustände zurückführt, wobei eine sequentielle Evidence Lower Bound (ELBO) optimiert wird.
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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/de/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.
- Dynamisches Bayes'sches NetzBayes-Statistik↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Partikelfilter (Sequentieller Monte-Carlo-Algorithmus)Bayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
- Bayessche Inferenz für ZeitreihenBayes-Statistik↔ compare
- Variationelle InferenzBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →