استنتاج تغییری با خطای اندازهگیری
استنتاج تغییری با خطای اندازهگیری یک رویکرد بیزی مقیاسپذیر است که به طور همزمان پارامترهای مدل و مجهولات واقعی ممیز را برآورد میکند، زمانی که متغیرهای مشاهدهشده با نویز آلوده شدهاند. به جای نمونهبرداری از توزیع پسین از طریق MCMC، با بیشینهسازی حد پایین شواهد (ELBO)، نزدیکترین توزیع قابل مدیریت به توزیع پسین واقعی را پیدا میکند و آن را برای مجموعه دادههای بزرگ که MCMC کامل بسیار پرهزینه است، قابل استفاده میسازد.
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
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Variational Bayesian Inference for Models with Measurement Error. ScholarGate. https://scholargate.app/fa/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.
- محاسبات تقریبی بیزی با خطای اندازهگیریبیزی↔ compare
- استنتاج بیزی با خطای اندازهگیریبیزی↔ compare
- MCMC با خطای اندازهگیریبیزی↔ compare
- استنتاج تغییریبیزی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →