Als «variational-bayes» getaggte Fragen

Variations-Bayes'sche Methoden nähern sich schwer zu handhabenden Integralen an, die in der Bayes'schen Inferenz und im maschinellen Lernen zu finden sind. In erster Linie dienen diese Methoden einem von zwei Zwecken: Annäherung der posterioren Verteilung oder Begrenzung der Grenzwahrscheinlichkeit beobachteter Daten.

1
Variationsinferenzmaschinen
Nach einigen Recherchen zu diesem Thema habe ich ein überraschendes Defizit an Inferenzpaketen und Bibliotheken festgestellt, die auf Nachrichtenübermittlungs- oder Optimierungsmethoden für Python und R beruhen. Nach meinem besten Wissen sind diese Methoden äußerst nützlich. Zum Beispiel sollte für ein Bayes-Netzwerk (gerichtet, azyklisch) die Glaubensausbreitung allein in der Lage sein, …
2
Auswahl vorheriger Parameter für die Variationsmischung von Gaußschen
Ich implementiere eine Vanille-Variationsmischung aus multivariaten Gaußschen gemäß Kapitel 10 von Mustererkennung und maschinelles Lernen (Bishop, 2007). Der Bayes'sche Ansatz erfordert die Angabe von (Hyper-) Parametern für den Gauß'schen inversen Wishart vor: α0α0\alpha_0 (Konzentrationsparameter des Dirichlet-Prior); ν0ν0\nu_0 (Freiheitsgrade einer inversen Wishart-Verteilung); β0β0\beta_0 (Pseudobeobachtungen für die Gauß-inverse Wishart-Verteilung); m0m0\mathbf{m}_0 (Mittelwert der …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.