Variabel inferens för tidsserier
Variabel inferens för tidsserier tillämpar variabel Bayes på sekventiella data, och approximerar den otillgängliga posteriorfördelningen över latenta tillstånd och parametrar med en tillgänglig familj av fördelningar. Genom att maximera bevisets nedre gräns (ELBO) levererar den snabb, skalbar Bayesiansk inferens för tillståndsrutnätmodeller, dynamiska latenta variabelmodeller och andra tidsordnade probabilistiska system.
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
- 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 ↗
- 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). Variational Inference for Time Series Models. ScholarGate. https://scholargate.app/sv/bayesian/time-series-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.
- Dynamisk variell inferensBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
- Bayesiansk inferens för tidsserierBayesiansk statistik↔ compare
- Tidsserie-MCMCBayesiansk statistik↔ compare
- VariationsinferensBayesiansk statistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →