Inferência Variacional para Séries Temporais
A inferência variacional para séries temporais aplica o método de Bayes variacional a dados sequenciais, aproximando a posterior intratável sobre estados latentes e parâmetros com uma família tratável de distribuições. Ao maximizar o limite inferior da evidência (ELBO), ela fornece inferência bayesiana rápida e escalável para modelos de espaço de estados, modelos dinâmicos de variáveis latentes e outros sistemas probabilísticos ordenados no tempo.
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
- 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 ↗
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Variational Inference for Time Series Models. ScholarGate. https://scholargate.app/pt/bayesian/time-series-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.
- Inferência Variacional DinâmicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Monte Carlo SequencialBayesiano↔ compare
- Inferência Bayesiana para Séries TemporaisBayesiano↔ compare
- MCMC para Séries TemporaisBayesiano↔ compare
- Inferência VariacionalBayesiano↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →