Robusztus Variációs Inferencia
A robusztus variációs inferencia (RVI) kiterjeszti a standard variációs inferenciát azáltal, hogy a Kullback-Leibler divergenciát egy olyan divergenciamértékkel helyettesíti, amely kevésbé érzékeny a kiugró értékekre és a modell helytelen specifikációjára – mint például a béta-divergencia vagy egy Renyi-típusú divergencia. Ez olyan poszterior közelítéseket eredményez, amelyek jól viselkednek akkor is, ha az adatok egy része eltér a feltételezett modelltől.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Futami, F., Sato, I. & Sugiyama, M. (2018). Variational inference based on robust divergences. Proceedings of the 21st International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 84:813-822. link ↗
- Ghosh, S. & Basu, A. (2016). Robust Bayes estimation using the density power divergence. Annals of the Institute of Statistical Mathematics, 68(2), 413-437. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Variational Inference. ScholarGate. https://scholargate.app/hu/bayesian/robust-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.
- Approximate Bayesian ComputationSzimuláció↔ compare
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Markov Chain Monte Carlo (MCMC)Szimuláció↔ compare
- Robusztus Bayes-i következtetésBayes-statisztika↔ compare
- Robuszt Markov-lánc Monte CarloBayes-statisztika↔ compare
- Variational InferenceBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →