Tijdreeksvariatie-inferentie
Tijdreeksvariatie-inferentie past variatie-Bayes toe op sequentiële data, waarbij de onberekenbare posterior over latente toestanden en parameters wordt benaderd met een berekenbare familie van verdelingen. Door de evidence lower bound (ELBO) te maximaliseren, levert het snelle, schaalbare Bayesiaanse inferentie voor toestandsruimtemodellen, dynamische latente variabelemodellen en andere probabilistische systemen met een tijdsordening.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Variational Inference for Time Series Models. ScholarGate. https://scholargate.app/nl/bayesian/time-series-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.
- Dynamische Variationele InferentieBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
- Bayesiaanse inferentie voor tijdreeksenBayesiaanse statistiek↔ compare
- Tijdreeks MCMCBayesiaanse statistiek↔ compare
- Variatie-inferentieBayesiaanse statistiek↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →