Viacúrovňová variačná inferencia
Viacúrovňová variačná inferencia (MLVI) je škálovateľná približná Bayesovská metóda, ktorá prispôsobuje hierarchické (viacúrovňové) modely optimalizáciou variačnej aproximácie posteriornej distribúcie, namiesto odoberania vzoriek MCMC. Využíva zoskupenú štruktúru viacúrovňových dát — jednotlivci vnorení do skupín, skupiny vnorené do jednotiek vyššej úrovne — na odvodenie efektívnych súradnicových aktualizácií, čím robí Bayesovskú inferenciu zvládnuteľnou pre rozsiahle zoskupené súbory dát.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Blei, D. M., Kucukelbir, A., & McAuliffe, J. D. (2017). Variational inference: A review for statisticians. Journal of the American Statistical Association, 112(518), 859-877. DOI: 10.1080/01621459.2017.1285773 ↗
- Ranganath, R., Altosaar, J., Tran, D., & Blei, D. M. (2016). Operator variational objectives. Advances in Neural Information Processing Systems, 29. Curran Associates. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Multilevel Variational Inference for Hierarchical Bayesian Models. ScholarGate. https://scholargate.app/sk/bayesian/multilevel-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.
- Bayesovský hierarchický modelBayesovské metódy↔ compare
- Hierarchické Bayesovské usudzovanieBayesovské metódy↔ compare
- Viacúrovňové MCMCBayesovské metódy↔ compare
- Variačná inferenciaBayesovské metódy↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →