استنتاج تغییری
استنتاج تغییری (VI) خانوادهای از تکنیکها است که محاسبه پسین بیزی را به یک مسئله بهینهسازی تبدیل میکند. به جای نمونهبرداری از پسین دقیق - همانطور که زنجیره مارکوف مونت کارلو (MCMC) انجام میدهد - VI خانوادهای سادهتر و قابلمدیریت از توزیعها را فرض میکند و با بیشینهسازی حد پایین شواهد (ELBO)، عضوی از آن خانواده را که به پسین واقعی نزدیکتر است، پیدا میکند. VI که در شکل مدرن مدل گرافیکی خود توسط جردن، قهرامانی، جعفری و سعود (۱۹۹۹) معرفی شد و توسط بلای، کوچوکبیر و مکآلیف (۲۰۱۷) به طور جامع مورد بررسی آماری قرار گرفت، اکنون موتور استنتاج مقیاسپذیر استاندارد در یادگیری ماشین احتمالی است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
منابع
- 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 ↗
- 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 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. (Chapter 10: Approximate Inference.) ISBN: 978-0387310732
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Variational Bayesian Inference. ScholarGate. https://scholargate.app/fa/bayesian/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
- انتشار انتظاری (EP)بیزی↔ compare
- Latent Dirichlet Allocation (LDA)یادگیری ماشین↔ compare
- زنجیره مارکوف مونت کارلو (MCMC)بیزی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →