Inferencia Variacional de Series Temporales
La inferencia variacional de series temporales aplica el método bayesiano variacional a datos secuenciales, aproximando la posterior intratable sobre estados latentes y parámetros con una familia tratable de distribuciones. Al maximizar el límite inferior de la evidencia (ELBO), proporciona una inferencia bayesiana rápida y escalable para modelos de espacio de estados, modelos dinámicos de variables latentes y otros sistemas probabilísticos ordenados temporalmente.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Variational Inference for Time Series Models. ScholarGate. https://scholargate.app/es/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.
- Variational Inference DinámicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Monte Carlo SecuencialBayesiano↔ compare
- Inferencia bayesiana de series temporalesBayesiano↔ compare
- MCMC para Series TemporalesBayesiano↔ compare
- Inferencia VariacionalBayesiano↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →