Inférence variationnelle multiniveau
L'inférence variationnelle multiniveau (MLVI) est une méthode bayésienne approximative et scalable qui ajuste des modèles hiérarchiques (multiniveaux) en optimisant une approximation variationnelle de la postériorité, plutôt qu'en tirant des échantillons MCMC. Elle exploite la structure groupée des données multiniveaux — individus imbriqués dans des groupes, groupes imbriqués dans des unités de niveau supérieur — pour dériver des mises à jour efficaces par coordonnées, rendant l'inférence bayésienne traitable pour de grands ensembles de données groupées.
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
- 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 ↗
- Ranganath, R., Altosaar, J., Tran, D., & Blei, D. M. (2016). Operator variational objectives. Advances in Neural Information Processing Systems, 29. Curran Associates. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multilevel Variational Inference for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/fr/bayesian/multilevel-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.
- Modèle hiérarchique bayésienBayésien↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- MCMC multiniveauBayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →