Bayesian methodsBayesian / computational

Dynamická variačná inferencia

Dynamická variačná inferencia rozširuje rámec variačnej inferencie na sekvenčné a časové rady tým, že postuluje štruktúrovanú aproximovanú posteriornú distribúciu, ktorá rešpektuje časové usporiadanie latentných stavov. Spoločne sa učí generatívny model toho, ako sa skryté stavy vyvíjajú v čase, a rozpoznávaciu sieť, ktorá mapuje pozorované sekvencie späť na tieto latentné stavy, pričom optimalizuje sekvenčnú dolnú hranicu dôkazu (ELBO).

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Zdroje

  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

Ako citovať túto stránku

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

Odkazujú sem

ScholarGateDynamic Variational Inference (Dynamic Variational Inference for Sequential Latent Variable Models). Získané 2026-06-15 z https://scholargate.app/sk/bayesian/dynamic-variational-inference · Dátová sada: https://doi.org/10.5281/zenodo.20539026