Inferensi Variasional Hierarkis
Inferensi Variasional Hierarkis (HVI) memperluas inferensi variasional standar dengan menempatkan struktur hierarkis yang lebih kaya pada keluarga variasional itu sendiri. Alih-alih menggunakan aproksimasi medan-rata sederhana, HVI memperkenalkan variabel laten bantu yang menangkap dependensi di antara variabel laten utama, menghasilkan batas bawah bukti yang lebih ketat dan aproksimasi posterior yang lebih akurat untuk model Bayesian yang kompleks.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/id/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.
- Regresi BayesianBayesian↔ compare
- Inferensi Bayesian HierarkisBayesian↔ compare
- Metropolis-Hastings Markov Rantai HirarkisBayesian↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesian↔ compare
- Inferensi VariasionalBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →