Inferensi Variasional Multilevel
Inferensi Variasional Multilevel (MLVI) adalah metode Bayesian aproksimatif yang skalabel yang menyesuaikan model hierarkis (multilevel) dengan mengoptimalkan aproksimasi variasional terhadap posterior, alih-alih mengambil sampel MCMC. Metode ini memanfaatkan struktur kelompok data multilevel—individu yang bersarang dalam kelompok, kelompok yang bersarang dalam unit tingkat lebih tinggi—untuk menurunkan pembaruan koordinat-bijaksana yang efisien, membuat inferensi Bayesian dapat dilacak untuk kumpulan data terkelompok yang besar.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
- Ranganath, R., Altosaar, J., Tran, D., & Blei, D. M. (2016). Operator variational objectives. Advances in Neural Information Processing Systems, 29. Curran Associates. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multilevel Variational Inference for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/id/bayesian/multilevel-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.
- Model Hirarkis BayesianBayesian↔ compare
- Inferensi Bayesian HierarkisBayesian↔ compare
- MCMC MultitingkatBayesian↔ compare
- Inferensi VariasionalBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →