Hijerarhijsko varijaciono zaključivanje
Hijerarhijsko varijaciono zaključivanje (HVI) proširuje standardno varijaciono zaključivanje uvođenjem bogatije, hijerarhijske strukture u samu varijacionu familiju. Umesto korišćenja jednostavne aproksimacije srednjeg polja, HVI uvodi pomoćne latentne promenljive koje obuhvataju zavisnosti između glavnih latentnih promenljivih, što rezultira čvršćim donjim granicama dokaza i preciznijim aproksimacijama posteriorne distribucije za složene Bajsove modele.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/sr/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.
- Bejzijevska regresijaBajesovska statistika↔ compare
- Hierarchical Bayesian InferenceBajesovska statistika↔ compare
- Hijerarhijski Markovljevi lanci Monte KarlaBajesovska statistika↔ compare
- Markov Chain Monte Carlo (MCMC)Bajesovska statistika↔ compare
- Variational InferenceBajesovska statistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →