Bayesian methodsBayesian / computational

הסקה וריאציונית דינמית

הסקה וריאציונית דינמית מרחיבה את מסגרת ההסקה הווריאציונית למצבים סדרתיים וסדרות עתיות על ידי הנחת פוסטריור מקורב מובנה המכבד את הסדר הזמני של מצבים חבויים. היא לומדת במשות מודל יצירתי של האופן שבו מצבים חבויים מתפתחים לאורך זמן ורשת זיהוי הממפה רצפים נצפים בחזרה למצבים חבויים אלה, תוך אופטימיזציה של חסם תחתון של עדות סדרתי (ELBO).

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

מקורות

  1. Krishnan, R. G., Shalit, U., & Sontag, D. (2015). Deep Kalman Filters. NIPS 2015 Workshop on Advances in Approximate Bayesian Inference. link
  2. Bayer, J., & Osendorfer, C. (2014). Learning Stochastic Recurrent Networks. NIPS 2014 Workshop on Advances in Variational Inference. link

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/he/bayesian/dynamic-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

מאוזכר על ידי

ScholarGateDynamic Variational Inference (Dynamic Variational Inference for Sequential Latent Variable Models). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/bayesian/dynamic-variational-inference · מערך נתונים: https://doi.org/10.5281/zenodo.20539026