Просторовий варіаційний висновок
Просторовий варіаційний висновок — це масштабований наближений байєсівський метод, який пристосовує приховані гауссові моделі або моделі гауссових процесів до геоприв'язаних даних шляхом оптимізації нижньої межі маргінальної правдоподібності. Він замінює дорогі MCMC вибірки детермінованим кроком оптимізації, роблячи повну апостеріорну кількісну оцінку невизначеності придатною для великих просторових наборів даних.
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
- Titsias, M. K. (2009). Variational learning of inducing variables in sparse Gaussian processes. In Proceedings of the 12th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 5, pp. 567-574. link ↗
- Rue, H., Martino, S., & Chopin, N. (2009). Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations. Journal of the Royal Statistical Society: Series B, 71(2), 319-392. DOI: 10.1111/j.1467-9868.2008.00700.x ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Spatial Variational Inference for Latent Gaussian Models. ScholarGate. https://scholargate.app/uk/bayesian/spatial-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 ієрархічна модельБаєсові методи↔ compare
- Гаусівський процесМашинне навчання↔ compare
- Просторовий байєсівський висновокБаєсові методи↔ compare
- Просторовий MCMCБаєсові методи↔ compare
- Варіаційний висновокБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →