Hierarkisk variell inferens
Hierarkisk variell inferens (HVI) utvidgar standard variell inferens genom att införa en rikare, hierarkisk struktur på själva den variella familjen. Istället för att använda en enkel medelfältsapproximation introducerar HVI hjälpvariabler som fångar beroenden mellan de huvudsakliga latenta variablerna, vilket ger snävare bevisnedre gränser (evidence lower bounds) och mer exakta posteriora approximationer för komplexa Bayesianska modeller.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk regressionBayesiansk statistik↔ compare
- Hierarkisk Bayesiansk inferensBayesiansk statistik↔ compare
- Hierarkisk MarkovkedjemontcarloBayesiansk statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk statistik↔ compare
- VariationsinferensBayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →