Inférence variationnelle spatiale
L'inférence variationnelle spatiale est une méthode bayésienne approximative et évolutive qui ajuste des modèles gaussiens latents ou des modèles de processus gaussiens à des données géoréférencées en optimisant une borne inférieure de la vraisemblance marginale. Elle remplace l'échantillonnage coûteux par MCMC par une étape d'optimisation déterministe, rendant la quantification de l'incertitude de la postériore complète traitable pour de grands ensembles de données spatiales.
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
- Titsias, M. K. (2009). Variational learning of inducing variables in sparse Gaussian processes. In Proceedings of the 12th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 5, pp. 567-574. link ↗
- Rue, H., Martino, S., & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319-392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
Comment citer cette page
ScholarGate. (2026, June 3). Spatial Variational Inference for Latent Gaussian Models. ScholarGate. https://scholargate.app/fr/bayesian/spatial-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
- Processus GaussienApprentissage automatique↔ compare
- Inférence bayésienne spatialeBayésien↔ compare
- MCMC spatialeBayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →