Hierarkisk Variasjonell Inferens
Hierarkisk variasjonell inferens (HVI) utvider standard variasjonell inferens ved å plassere en rikere, hierarkisk struktur på selve den variasjonelle familien. I stedet for å bruke en enkel middel-felt-approksimasjon, introduserer HVI hjelpe-latente variabler som fanger avhengigheter mellom de primære latente variablene, noe som gir tettere lavere grenser for evidens og mer nøyaktige posterior-approksimasjoner for komplekse Bayesianske modeller.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/no/bayesian/hierarchical-variational-inference
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Bayesiansk regresjonBayesiansk↔ sammenlign
- Hierarkisk Bayesiansk InferensBayesiansk↔ sammenlign
- Hierarkisk Markovkjede Monte CarloBayesiansk↔ sammenlign
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ sammenlign
- VariasjonsinferensBayesiansk↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →