הסקה וריאציונית רב-שכבתית
הסקה וריאציונית רב-שכבתית (MLVI) היא שיטה בייסיאנית מקורבת הניתנת להרחבה, המתאימה מודלים היררכיים (רב-שכבתיים) על ידי אופטימיזציה של קירוב וריאציוני להתפלגות הפוסטריורית, במקום דגימת MCMC. היא מנצלת את המבנה המקובץ של נתונים רב-שכבתיים — פרטים המקוננים בתוך קבוצות, קבוצות המקוננות ביחידות ברמה גבוהה יותר — כדי לגזור עדכונים יעילים ברמה הקואורדינטית, מה שהופך הסקה בייסיאנית לבת-פתרון עבור מערכי נתונים גדולים ומקובצים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Multilevel Variational Inference for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/he/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.
- מודל היררכי בייסיאניבייסיאני↔ compare
- הסקה בייסיאנית היררכיתבייסיאני↔ compare
- MCMC רב-רמותבייסיאני↔ compare
- היסק וריאציוניבייסיאני↔ compare