Hijerarhijsko varijacijsko zaključivanje
Hijerarhijsko varijacijsko zaključivanje (HVI) proširuje standardno varijacijsko zaključivanje postavljanjem bogatije, hijerarhijske strukture na samu varijacijsku familiju. Umjesto korištenja jednostavne aproksimacije srednjeg polja, HVI uvodi pomoćne latentne varijable koje obuhvaćaju ovisnosti među glavnim latentnim varijablama, što rezultira čvršćim donjim granicama dokaza i točnijim posteriornim aproksimacijama za složene Bayesove modele.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Ranganath, R., Altosaar, J., Tran, D. & Blei, D. M. (2016). Hierarchical Variational Models. Proceedings of the 33rd International Conference on Machine Learning (ICML 2016), PMLR 48, 324-333. link ↗
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/hr/bayesian/hierarchical-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.
- Bayesovska regresijaBayesovska statistika↔ compare
- Hijerarhijsko Bayesovo zaključivanjeBayesovska statistika↔ compare
- Hijerarhijsko Markovljevo pokretanje uzoraka Monte CarloBayesovska statistika↔ compare
- Markovova lančana Monte Carlo (MCMC)Bayesovska statistika↔ compare
- Varijacijska inferencijaBayesovska statistika↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →