Inférence variationnelle dynamique
L'inférence variationnelle dynamique étend le cadre de l'inférence variationnelle aux contextes séquentiels et de séries temporelles en postulant une postérieure approximative structurée qui respecte l'ordre temporel des états latents. Elle apprend conjointement un modèle génératif de l'évolution des états cachés au fil du temps et un réseau de reconnaissance qui re-mappe les séquences observées vers ces états latents, en optimisant une borne inférieure séquentielle de l'évidence (ELBO).
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
Comment citer cette page
ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/fr/bayesian/dynamic-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.
- Réseau bayésien dynamiqueBayésien↔ compare
- Filtre de KalmanBayésien↔ compare
- Filtre particulaire (Monte Carlo séquentiel)Bayésien↔ compare
- Monte Carlo séquentielBayésien↔ compare
- Inférence bayésienne sur séries temporellesBayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →