Spatiaalinen variaatioinferenssi
Spatiaalinen variaatioinferenssi on skaalautuva likimääräinen Bayesiläinen menetelmä, joka sovittaa latentteja Gaussisia tai Gaussin prosessimalleja georeferoituihin tietoihin optimoimalla marginaalisen uskottavuuden alarajan. Se korvaa kalliin MCMC-otannan deterministisellä optimointivaiheella, tehden täyden posteriorisen epävarmuuden kvantifioinnista suurille spatiaalisille aineistoille laskettavissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Titsias, M. K. (2009). Variational learning of inducing variables in sparse Gaussian processes. In Proceedings of the 12th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 5, pp. 567-574. link ↗
- Rue, H., Martino, S., & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319-392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Spatial Variational Inference for Latent Gaussian Models. ScholarGate. https://scholargate.app/fi/bayesian/spatial-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.
- Bayesiläinen hierarkkinen malliBayesilainen tilastotiede↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Tilastollinen päättely Bayes-menetelmillä avaruudellisessa kontekstissaBayesilainen tilastotiede↔ compare
- Spatial MCMCBayesilainen tilastotiede↔ compare
- VariaatioinferenssiBayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →