Bayesian methodsBayesian / computational

Inferența Variațională Dinamică

Inferența variațională dinamică extinde cadrul inferenței variaționale la setări secvențiale și de serii temporale, postulând o posteriori aproximativă structurată care respectă ordonarea temporală a stărilor latente. Aceasta învață în mod conjunct un model generativ al modului în care stările ascunse evoluează în timp și o rețea de recunoaștere care mapează secvențele observate înapoi la acele stări latente, optimizând o limită inferioară a evidenței secvențiale (ELBO).

Deschide în MethodMindÎn curândVideoÎn curândDownload slides

Citește metoda completă

Doar pentru membri

Autentifică-te cu un cont gratuit pentru a citi această secțiune.

Autentificare

Method map

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

Surse

  1. Krishnan, R. G., Shalit, U., & Sontag, D. (2015). Deep Kalman Filters. NIPS 2015 Workshop on Advances in Approximate Bayesian Inference. link
  2. Bayer, J., & Osendorfer, C. (2014). Learning Stochastic Recurrent Networks. NIPS 2014 Workshop on Advances in Variational Inference. link

Cum se citează această pagină

ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/ro/bayesian/dynamic-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

Citat de

ScholarGateDynamic Variational Inference (Dynamic Variational Inference for Sequential Latent Variable Models). Preluat la 2026-06-15 de pe https://scholargate.app/ro/bayesian/dynamic-variational-inference · Set de date: https://doi.org/10.5281/zenodo.20539026