Zeitreihen-Variationsinferenz
Zeitreihen-Variationsinferenz wendet Bayes'sche Inferenz mittels Variationsmethoden auf sequentielle Daten an und approximiert die nicht handhabbare Posterior-Verteilung über latente Zustände und Parameter durch eine handhabbare Familie von Verteilungen. Durch Maximierung der Evidence Lower Bound (ELBO) liefert sie schnelle, skalierbare bayes'sche Inferenz für Zustandsraummodelle, dynamische latente Variablenmodelle und andere zeitlich geordnete probabilistische Systeme.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Variational Inference for Time Series Models. ScholarGate. https://scholargate.app/de/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.
- Dynamische VariationsinferenzBayes-Statistik↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
- Bayessche Inferenz für ZeitreihenBayes-Statistik↔ compare
- MCMC für ZeitreihenBayes-Statistik↔ compare
- Variationelle InferenzBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →