ScholarGate
Assistente
Bayesian methodsBayesian / computational

Inferenza Variazionale Dinamica

L'inferenza variazionale dinamica estende il framework dell'inferenza variazionale a contesti sequenziali e di serie temporali, postulando una "posterior" approssimata strutturata che rispetta l'ordinamento temporale degli stati latenti. Apprende congiuntamente un modello generativo di come gli stati nascosti evolvono nel tempo e una rete di riconoscimento che mappa le sequenze osservate a tali stati latenti, ottimizzando un limite inferiore dell'evidenza sequenziale (ELBO).

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. Krishnan, R. G., Shalit, U., & Sontag, D. (2015). Deep Kalman Filters. NIPS 2015 Workshop on Advances in Approximate Bayesian Inference. link
  2. Bayer, J., & Osendorfer, C. (2014). Learning Stochastic Recurrent Networks. NIPS 2014 Workshop on Advances in Variational Inference. link

Come citare questa pagina

ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/it/bayesian/dynamic-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.

Compare side by side

Citato da

ScholarGateDynamic Variational Inference (Dynamic Variational Inference for Sequential Latent Variable Models). Consultato il 2026-06-15 da https://scholargate.app/it/bayesian/dynamic-variational-inference · Insieme di dati: https://doi.org/10.5281/zenodo.20539026