Robuste Variationsinferenz
Robuste Variationsinferenz (RVI) erweitert die Standard-Variationsinferenz, indem die Kullback-Leibler-Divergenz durch ein Divergenzmaß ersetzt wird, das weniger empfindlich auf Ausreißer und Modellfehlspezifikation reagiert – wie die Beta-Divergenz oder eine Renyi-artige Divergenz. Dies liefert Posterior-Approximationen, die auch dann gutartig bleiben, wenn ein Bruchteil der Daten vom angenommenen Modell abweicht.
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
- Futami, F., Sato, I. & Sugiyama, M. (2018). Variational inference based on robust divergences. Proceedings of the 21st International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 84:813-822. link ↗
- Ghosh, S. & Basu, A. (2016). Robust Bayes estimation using the density power divergence. Annals of the Institute of Statistical Mathematics, 68(2), 413-437. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Variational Inference. ScholarGate. https://scholargate.app/de/bayesian/robust-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.
- Approximate Bayesian ComputationSimulation↔ compare
- Bayes'sche RegressionBayes-Statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Simulation↔ compare
- Robuste Bayes'sche InferenzBayes-Statistik↔ compare
- Robuste Markov-Chain-Monte-Carlo-VerfahrenBayes-Statistik↔ compare
- Variationelle InferenzBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →