Suy luận biến phân mạnh mẽ
Suy luận biến phân mạnh mẽ (RVI) mở rộng suy luận biến phân tiêu chuẩn bằng cách thay thế độ phân kỳ Kullback-Leibler bằng một thước đo độ phân kỳ ít nhạy cảm hơn với các giá trị ngoại lai và sự sai lệch mô hình — chẳng hạn như độ phân kỳ beta hoặc độ phân kỳ kiểu Renyi. Điều này mang lại các xấp xỉ hậu nghiệm vẫn hoạt động tốt ngay cả khi một phần dữ liệu sai lệch so với mô hình giả định.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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. link ↗
- Ghosh, S. & Basu, A. (2016). Robust Bayes estimation using the density power divergence. Annals of the Institute of Statistical Mathematics, 68(2), 413-437. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Robust Variational Inference. ScholarGate. https://scholargate.app/vi/bayesian/robust-variational-inference
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Tính toán Bayes xấp xỉMô phỏng↔ so sánh
- Hồi quy BayesBayes↔ so sánh
- Markov Chain Monte Carlo (MCMC)Mô phỏng↔ so sánh
- Suy luận Bayes mạnh mẽBayes↔ so sánh
- Chuỗi Markov Monte Carlo Mạnh mẽBayes↔ so sánh
- Suy diễn biến phânBayes↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →