Variációs következtetés mérési hibával
A mérési hibával járó variációs következtetés egy skálázható Bayes-féle megközelítés, amely egyidejűleg becsüli a modellparamétereket és a látens valódi kovariánsokat, amikor a megfigyelt változókat zaj szennyezi. Ahelyett, hogy MCMC-vel mintavételezné a poszterior eloszlást, a valódi poszteriorhoz legközelebb eső kezelhető eloszlást találja meg az evidence lower bound (ELBO) maximalizálásával, így alkalmazható nagy adathalmazokra, ahol a teljes MCMC túl költséges lenne.
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 ↗
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Variational Bayesian Inference for Models with Measurement Error. ScholarGate. https://scholargate.app/hu/bayesian/variational-inference-with-measurement-error
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 Computation Measurement ErrorrelációvalBayes-statisztika↔ compare
- Bayesiánus következtetés mérési hibávalBayes-statisztika↔ compare
- MCMC mérési hibávalBayes-statisztika↔ compare
- Variational InferenceBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →