Inferenza Variazionale Gerarchica
L'inferenza variazionale gerarchica (HVI) estende l'inferenza variazionale standard ponendo una struttura più ricca e gerarchica sulla famiglia variazionale stessa. Invece di utilizzare una semplice approssimazione mean-field, l'HVI introduce variabili latenti ausiliarie che catturano le dipendenze tra le variabili latenti principali, producendo limiti inferiori dell'evidenza più stretti e approssimazioni posteriori più accurate per modelli Bayesiani complessi.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/it/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.
- Regressione BayesianaBayesiano↔ compare
- Inferenza Bayesiana GerarchicaBayesiano↔ compare
- Hierarchical Markov Chain Monte CarloBayesiano↔ compare
- Catena di Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Inferenza VariazionaleBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →