Időtartomány-variációs következtetés
Az idősorok variációs következtetése a variációs Bayes-módszert alkalmazza szekvenciális adatokra, közelítve a rejtett állapotok és paraméterek intrahálhatatlan utólagos eloszlását egy kezelhető eloszlásfüggvény-családdal. A bizonyíték alsó határának (ELBO) maximalizálásával gyors, skálázható Bayes-következtetést tesz lehetővé állapot-térbeli modellek, dinamikus rejtettváltozós modellek és más időrendi valószínűségi rendszerek számára.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Variational Inference for Time Series Models. ScholarGate. https://scholargate.app/hu/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.
- Dinamikus Variációs InferenciaBayes-statisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
- Idősoros Bayes-féle következtetésBayes-statisztika↔ compare
- Idősori MCMCBayes-statisztika↔ compare
- Variational InferenceBayes-statisztika↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →