Inférence variationnelle robuste
L'inférence variationnelle robuste (RVI) étend l'inférence variationnelle standard en remplaçant la divergence de Kullback-Leibler par une mesure de divergence moins sensible aux valeurs aberrantes et à la mauvaise spécification du modèle — telle que la divergence bêta ou une divergence de type Renyi. Cela produit des approximations de la postérieure qui restent bien comportées même lorsqu'une fraction des données s'écarte du modèle supposé.
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
- Futami, F., Sato, I. & Sugiyama, M. (2018). Variational inference based on robust divergences. Proceedings of the 21st International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 84:813-822. link ↗
- Ghosh, S. & Basu, A. (2016). Robust Bayes estimation using the density power divergence. Annals of the Institute of Statistical Mathematics, 68(2), 413-437. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Variational Inference. ScholarGate. https://scholargate.app/fr/bayesian/robust-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.
- Calcul bayésien approximatifSimulation↔ compare
- Régression bayésienneBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Simulation↔ compare
- Inférence bayésienne robusteBayésien↔ compare
- Chaîne de Markov Monte Carlo RobusteBayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →