Робастное вариационное сближение
Робастное вариационное сближение (RVI) расширяет стандартное вариационное сближение путем замены дивергенции Кульбака-Лейблера мерой дивергенции, которая менее чувствительна к выбросам и неверной спецификации модели — такой как бета-дивергенция или дивергенция типа Реньи. Это дает приближения апостериорного распределения, которые остаются хорошо себя ведущими, даже когда доля данных отклоняется от предполагаемой модели.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Futami, F., Sato, I. & Sugiyama, M. (2018). Variational inference based on robust divergences. Proceedings of the 21st International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 84:813-822. link ↗
- Ghosh, S. & Basu, A. (2016). Robust Bayes estimation using the density power divergence. Annals of the Institute of Statistical Mathematics, 68(2), 413-437. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Variational Inference. ScholarGate. https://scholargate.app/ru/bayesian/robust-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.
- Приближенное байесовское вычислениеИмитационное моделирование↔ compare
- Байесовская регрессияБайесовские методы↔ compare
- Марковские цепи Монте-Карло (MCMC)Имитационное моделирование↔ compare
- Робастное байесовское оцениваниеБайесовские методы↔ compare
- Робастная цепь Маркова Монте-КарлоБайесовские методы↔ compare
- Вариационный выводБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →