Inferență Variațională Ierarhică
Inferența variațională ierarhică (HVI) extinde inferența variațională standard prin plasarea unei structuri mai bogate, ierarhice, pe familia variațională însăși. În loc să folosească o aproximare simplă de tip „câmp mediu” (mean-field), HVI introduce variabile latente auxiliare care surprind dependențele dintre variabilele latente principale, generând limite inferioare ale dovezilor (evidence lower bounds) mai strânse și aproximări posterioare mai precise pentru modele bayesiene complexe.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Ranganath, R., Altosaar, J., Tran, D. & Blei, D. M. (2016). Hierarchical Variational Models. Proceedings of the 33rd International Conference on Machine Learning (ICML 2016), PMLR 48, 324-333. link ↗
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/ro/bayesian/hierarchical-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.
- Bayesian RegressionBayesian↔ compare
- Inferență Bayesiană IerarhicăBayesian↔ compare
- Markov chain Monte Carlo ierarhicBayesian↔ compare
- Metoda Monte Carlo cu Lanțuri Markov (MCMC)Bayesian↔ compare
- Inferența variaționalăBayesian↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →