Bayesian methodsBayesian / computational

Inférence variationnelle pour séries temporelles

L'inférence variationnelle pour séries temporelles applique les méthodes bayésiennes variationnelles aux données séquentielles, en approximant la postérieure intraitable sur les états latents et les paramètres par une famille de distributions traitable. En maximisant la borne inférieure de l'évidence (ELBO), elle permet une inférence bayésienne rapide et évolutive pour les modèles d'espace d'états, les modèles latents dynamiques et d'autres systèmes probabilistes ordonnés dans le temps.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. 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
  2. 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). Variational Inference for Time Series Models. ScholarGate. https://scholargate.app/fr/bayesian/time-series-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.

Compare side by side
ScholarGateTime series variational inference (Variational Inference for Time Series Models). Consulté le 2026-06-15 sur https://scholargate.app/fr/bayesian/time-series-variational-inference · Jeu de données : https://doi.org/10.5281/zenodo.20539026