استنتاج بیزی سلسلهمراتبی
استنتاج بیزی سلسلهمراتبی (HVI) با قرار دادن یک ساختار سلسلهمراتبی غنیتر بر روی خود خانواده واریانس، استنتاج واریانس استاندارد را گسترش میدهد. HVI به جای استفاده از یک تقریب میدان میانگین ساده، متغیرهای نهان کمکی را معرفی میکند که وابستگیها را بین متغیرهای نهان اصلی ثبت میکنند و در نتیجه کرانهای پایینتر شواهد محکمتر و تقریبهای پسین دقیقتری را برای مدلهای بیزی پیچیده به دست میآورند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/fa/bayesian/hierarchical-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.
- رگرسیون بیزیبیزی↔ compare
- استنتاج بیزی سلسلهمراتبیبیزی↔ compare
- زنجیره مارکوف مونت کارلوی سلسلهمراتبیبیزی↔ compare
- زنجیره مارکوف مونت کارلو (MCMC)بیزی↔ compare
- استنتاج تغییریبیزی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →