Inférence variationnelle hiérarchique
L'inférence variationnelle hiérarchique (HVI) étend l'inférence variationnelle standard en plaçant une structure hiérarchique plus riche sur la famille variationnelle elle-même. Au lieu d'utiliser une simple approximation de champ moyen, l'HVI introduit des variables latentes auxiliaires qui capturent les dépendances entre les variables latentes principales, produisant des bornes inférieures de vraisemblance plus serrées et des approximations de postériori plus précises pour les modèles bayésiens complexes.
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
- Ranganath, R., Altosaar, J., Tran, D. & Blei, D. M. (2016). Hierarchical Variational Models. Proceedings of the 33rd International Conference on Machine Learning (ICML 2016), PMLR 48, 324-333. link ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/fr/bayesian/hierarchical-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.
- Régression bayésienneBayésien↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- Chaîne de Markov Monte Carlo hiérarchiqueBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →