Time series variational inference
Time series variational inference applies variational Bayes to sequential data, approximating the intractable posterior over latent states and parameters with a tractable family of distributions. By maximising the evidence lower bound (ELBO), it delivers fast, scalable Bayesian inference for state-space models, dynamic latent variable models, and other time-ordered probabilistic systems.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.