Inferencia Variacional Jerárquica
La inferencia variacional jerárquica (HVI) extiende la inferencia variacional estándar al colocar una estructura jerárquica más rica en la propia familia variacional. En lugar de usar una aproximación simple de campo medio, la HVI introduce variables latentes auxiliares que capturan dependencias entre las variables latentes principales, produciendo cotas inferiores de la evidencia más ajustadas y aproximaciones posteriores más precisas para modelos bayesianos complejos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- Ranganath, R., Altosaar, J., Tran, D. & Blei, D. M. (2016). Hierarchical Variational Models. Proceedings of the 33rd International Conference on Machine Learning (ICML 2016), PMLR 48, 324-333. link ↗
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/es/bayesian/hierarchical-variational-inference
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Regresión bayesianaBayesiano↔ comparar
- Inferencia Bayesiana JerárquicaBayesiano↔ comparar
- Cadena de Markov Monte Carlo JerárquicaBayesiano↔ comparar
- Cadenas de Markov Monte Carlo (MCMC)Bayesiano↔ comparar
- Inferencia VariacionalBayesiano↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →