ScholarGate
Assistente
Bayesian methodsBayesian / computational

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.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Fontes

  1. 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
  2. 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.

Compare side by side
ScholarGateTime series variational inference (Variational Inference for Time Series Models). Recuperado em 2026-06-15 de https://scholargate.app/pt/bayesian/time-series-variational-inference · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026