Variational Inference with Measurement Error
Variational inference with measurement error on skaalautuva Bayesiläinen lähestymistapa, joka estimoi samanaikaisesti malliparametreja ja piileviä todellisia kovariaatteja, kun havaitut muuttujat ovat kohinan saastuttamia. Sen sijaan, että posteriorijakaumaa otettaisiin näytteitä MCMC-menetelmällä, se etsii lähimmän käsiteltävissä olevan jakauman todelliselle posteriorijakaumalle maksimoimalla todisteiden alarajan (ELBO), mikä tekee siitä sovellettavissa suuriin aineistoihin, joissa täysi MCMC olisi liian kallista.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Variational Bayesian Inference for Models with Measurement Error. ScholarGate. https://scholargate.app/fi/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.
- Likipohjainen laskenta mittausvirheelläBayesilainen tilastotiede↔ compare
- Bayesiläinen päättely mittausvirheelläBayesilainen tilastotiede↔ compare
- MCMC mittausvirheelläBayesilainen tilastotiede↔ compare
- VariaatioinferenssiBayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →