Solidna wnioskowanie wariacyjne
Solidna wnioskowanie wariacyjne (RVI) rozszerza standardowe wnioskowanie wariacyjne poprzez zastąpienie dywergencji Kullbacka-Leiblera miarą dywergencji, która jest mniej wrażliwa na wartości odstające i błędną specyfikację modelu — taką jak dywergencja beta lub dywergencja typu Renyi. Daje to przybliżenia rozkładu a posteriori, które pozostają dobrze zachowane nawet wtedy, gdy część danych odbiega od założonego modelu.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Futami, F., Sato, I. & Sugiyama, M. (2018). Variational inference based on robust divergences. Proceedings of the 21st International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 84:813-822. link ↗
- Ghosh, S. & Basu, A. (2016). Robust Bayes estimation using the density power divergence. Annals of the Institute of Statistical Mathematics, 68(2), 413-437. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Variational Inference. ScholarGate. https://scholargate.app/pl/bayesian/robust-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.
- Przybliżone Obliczenia BayesaSymulacja↔ compare
- Regresja bayesowskaStatystyka bayesowska↔ compare
- Łańcuchowe metody Monte Carlo (MCMC)Symulacja↔ compare
- Solidne wnioskowanie bayesowskieStatystyka bayesowska↔ compare
- Solidne próbkowanie metodą łańcuchów MarkowaStatystyka bayesowska↔ compare
- Inferencja wariacyjnaStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →