การอนุมานแปรผันแบบพลวัต
การอนุมานแปรผันแบบพลวัตขยายกรอบการอนุมานแปรผันไปยังการตั้งค่าแบบลำดับและอนุกรมเวลา โดยตั้งสมมติฐานเกี่ยวกับ posterior โดยประมาณที่มีโครงสร้างซึ่งเคารพการเรียงลำดับตามเวลาของสถานะแฝง มันเรียนรู้แบบจำลองการสร้างที่ว่าสถานะซ่อนวิวัฒนาการไปตามกาลเวลาอย่างไร และเครือข่ายการรู้จำที่จับคู่อันดับที่สังเกตได้กลับไปยังสถานะแฝงเหล่านั้น พร้อมทั้งปรับปรุงขอบเขตล่างของหลักฐานแบบลำดับ (ELBO) ให้เหมาะสม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Dynamic Variational Inference for Sequential Latent Variable Models. ScholarGate. https://scholargate.app/th/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.
- เครือข่ายเบย์เซียนพลวัตเบย์↔ compare
- Kalman Filterเบย์↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare
- การอนุมานแบบเบย์สำหรับอนุกรมเวลาเบย์↔ compare
- การอนุมานแบบแปรผันเบย์↔ compare