Variatie-inferentie met meetfout
Variatie-inferentie met meetfout is een schaalbare Bayesiaanse benadering die gelijktijdig modelparameters en latente ware covariaten schat wanneer waargenomen variabelen verontreinigd zijn door ruis. In plaats van de posterior te samplen via MCMC, vindt het de dichtstbijzijnde hanteerbare verdeling tot de ware posterior door de 'evidence lower bound' (ELBO) te maximaliseren, waardoor het toepasbaar is op grote datasets waar volledige MCMC te kostbaar is.
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 ↗
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
Deze pagina citeren
ScholarGate. (2026, June 3). Variational Bayesian Inference for Models with Measurement Error. ScholarGate. https://scholargate.app/nl/bayesian/variational-inference-with-measurement-error
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.
- Approximate Bayesian Computation met meetfoutBayesiaanse statistiek↔ compare
- Bayesiaanse Inferentie met MeetfoutBayesiaanse statistiek↔ compare
- MCMC met meetfoutBayesiaanse statistiek↔ compare
- Variatie-inferentieBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →