Автоматическое дифференцирование вариационного вывода (ADVI)
Автоматическое дифференцирование вариационного вывода (ADVI) — это алгоритм типа «черный ящик» для приближенного байесовского вывода апостериорного распределения, представленный Kucukelbir, Tran, Ranganath, Gelman и Blei (2017, JMLR). Для любой вероятностной модели, логарифм совместной плотности которой дифференцируем, ADVI автоматически преобразует ограниченные латентные переменные в неограниченное действительное пространство, подбирает гауссовское вариационное семейство путем максимизации нижней границы свидетельства (ELBO) с помощью стохастического градиентного подъема и возвращает приближенное апостериорное распределение без вывода специфичных для модели уравнений. Это стандартный движок вариационного вывода в Stan, доступный также в PyMC и NumPyro.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Kucukelbir, A., Tran, D., Ranganath, R., Gelman, A. & Blei, D. M. (2017). Automatic differentiation variational inference. Journal of Machine Learning Research, 18(14), 1–45. link ↗
- Kucukelbir, A., Tran, D., Ranganath, R., Gelman, A. & Blei, D. M. (2016). Automatic differentiation variational inference. arXiv:1603.00788. link ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Как цитировать эту страницу
ScholarGate. (2026, June 3). Automatic Differentiation Variational Inference (ADVI). ScholarGate. https://scholargate.app/ru/bayesian/automatic-differentiation-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.
- Байесовская регрессияБайесовские методы↔ compare
- Распространение ожидания (EP)Байесовские методы↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →