Dynamische Variationele Inferentie
Dynamische variationele inferentie breidt het variationele inferentiekader uit naar sequentiële en tijdreeksinstellingen door een gestructureerde benaderende posterior te postuleren die de temporele ordening van latente toestanden respecteert. Het leert gezamenlijk een generatief model van hoe verborgen toestanden in de loop van de tijd evolueren en een herkenningsnetwerk dat waargenomen sequenties terugtoewijst aan die latente toestanden, waarbij een sequentiële evidence lower bound (ELBO) wordt geoptimaliseerd.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/nl/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.
- Dynamisch Bayesiaans NetwerkBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
- Bayesiaanse inferentie voor tijdreeksenBayesiaanse statistiek↔ compare
- Variatie-inferentieBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →