Inferência Variacional Espacial
A inferência variacional espacial é um método Bayesiano aproximado escalável que ajusta modelos latentes Gaussianos ou de processos Gaussianos a dados georreferenciados, otimizando um limite inferior na verossimilhança marginal. Ela substitui a amostragem MCMC custosa por uma etapa de otimização determinística, tornando a quantificação da incerteza da posterior completa tratável para grandes conjuntos de dados espaciais.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Spatial Variational Inference for Latent Gaussian Models. ScholarGate. https://scholargate.app/pt/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.
- Modelo Hierárquico BayesianoBayesiano↔ compare
- Processo GaussianoAprendizado de máquina↔ compare
- Inferência Bayesiana EspacialBayesiano↔ compare
- MCMC EspacialBayesiano↔ compare
- Inferência VariacionalBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →