Variationelle Inferenz bei Messfehlern
Variational Inference bei Messfehlern ist ein skalierbarer bayesianischer Ansatz, der Modellparameter und latente wahre Kovariaten gleichzeitig schätzt, wenn beobachtete Variablen durch Rauschen kontaminiert sind. Anstatt die Posterior-Verteilung mittels MCMC zu sampeln, findet sie die nächstgelegene handhabbare Verteilung zur wahren Posterior-Verteilung, indem sie die Evidence Lower Bound (ELBO) maximiert, was sie für große Datensätze anwendbar macht, bei denen vollständige MCMC zu kostspielig ist.
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 ↗
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Variational Bayesian Inference for Models with Measurement Error. ScholarGate. https://scholargate.app/de/bayesian/variational-inference-with-measurement-error
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 Computation mit MessfehlernBayes-Statistik↔ compare
- Bayesianische Inferenz bei MessfehlernBayes-Statistik↔ compare
- MCMC mit MessfehlernBayes-Statistik↔ compare
- Variationelle InferenzBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →