Ієрархічне варіаційне виведення
Ієрархічне варіаційне виведення (HVI) розширює стандартне варіаційне виведення шляхом розміщення багатшої, ієрархічної структури на самій варіаційній родині. Замість використання простого наближення середнього поля, HVI вводить допоміжні приховані змінні, які захоплюють залежності між основними прихованими змінними, забезпечуючи щільніші нижні межі доказів та точніші наближення апостеріорних розподілів для складних байєсівських моделей.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Hierarchical Variational Inference. ScholarGate. https://scholargate.app/uk/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.
- Байєсівська регресіяБаєсові методи↔ compare
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Ієрархічний ланцюг Маркова Монте-КарлоБаєсові методи↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
- Варіаційний висновокБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →