Przestrzenna inferencja wariacyjna
Przestrzenna inferencja wariacyjna to skalowalna, przybliżona metoda bayesowska, która dopasowuje ukryte modele Gaussa lub procesów Gaussa do danych georeferencyjnych poprzez optymalizację dolnego ograniczenia na prawdopodobieństwo brzegowe. Zastępuje ona kosztowne próbkowanie MCMC deterministycznym krokiem optymalizacyjnym, dzięki czemu pełna kwantyfikacja niepewności posteriorowej staje się wykonalna dla dużych zbiorów danych przestrzennych.
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
- Titsias, M. K. (2009). Variational learning of inducing variables in sparse Gaussian processes. In Proceedings of the 12th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 5, pp. 567-574. link ↗
- Rue, H., Martino, S., & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319-392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Spatial Variational Inference for Latent Gaussian Models. ScholarGate. https://scholargate.app/pl/bayesian/spatial-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.
- Modelowanie hierarchiczne bayesowskieStatystyka bayesowska↔ compare
- Proces GaussaUczenie maszynowe↔ compare
- Przestrzenne wnioskowanie bayesowskieStatystyka bayesowska↔ compare
- Przestrzenne MCMCStatystyka bayesowska↔ compare
- Inferencja wariacyjnaStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →