เปรียบเทียบวิธี

	การอนุมานแบบแปรผันที่ทนทาน (Robust Variational Inference)	การคำนวณแบบเบย์เชิงประมาณ
สาขาวิชา	เบย์	การจำลอง
ตระกูล	Bayesian methods	Process / pipeline
ปีกำเนิด	2008-2018	2002
ผู้ริเริ่ม	Fujisawa & Eguchi (2008); Futami, Sato & Sugiyama (2018)	—
ประเภท	Robust approximate Bayesian inference	Simulation-based Bayesian inference
แหล่งต้นตำรับ	Futami, F., Sato, I. & Sugiyama, M. (2018). Variational inference based on robust divergences. Proceedings of the 21st International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 84:813-822.	Beaumont, M.A., Zhang, W. & Balding, D.J. (2002). Approximate Bayesian Computation in Population Genetics. Genetics, 162(4), 2025-2035.
ชื่อเรียกอื่น	RVI, robust VI, outlier-robust variational Bayes, power-divergence variational inference	ABC, likelihood-free inference, simulation-based inference, Yaklaşık Bayesçi Hesaplama (ABC)
ที่เกี่ยวข้อง	6	5
สรุป	Robust variational inference (RVI) extends standard variational inference by replacing the Kullback-Leibler divergence with a divergence measure that is less sensitive to outliers and model misspecification — such as the beta-divergence or a Renyi-type divergence. This yields posterior approximations that remain well-behaved even when a fraction of the data departs from the assumed model.	Approximate Bayesian Computation (ABC) is a family of simulation-based inference methods that estimate posterior distributions without requiring an analytically tractable likelihood function. Introduced by Beaumont, Zhang and Balding (2002) in the context of population genetics, ABC replaced the intractable likelihood with repeated model simulation and a comparison of summary statistics between simulated and observed data.