会员服务
大多数概率模型中, 计算后验边际或准确计算归一化常数都是很困难的. 变分推断(variational inference)是一个近似计算这两者的框架. 变分推断把推断看作优化问题: 我们尝试根据某种距离度量来寻找一个与真实后验尽可能接近的分布(或者类似分布的表示).
Closing the Approximation Gap in Simulation-free Latent SDEs
Arxiv
0+阅读 · 6月15日
VaSST: Variational Inference for Symbolic Regression using Soft Symbolic Trees
Arxiv
0+阅读 · 2月27日
Implicit Variational Rejection Sampling
Arxiv
0+阅读 · 6月12日
Even More Guarantees for Variational Inference in the Presence of Symmetries
Arxiv
0+阅读 · 6月4日
Bayesian Nonparametric Clustering to Support Medical Decision-Making: A Variational Inference Approach
Arxiv
0+阅读 · 5月29日
Wasserstein Contraction of Coordinate Ascent Variational Inference
Arxiv
0+阅读 · 6月2日
Stability of Sequential and Parallel Coordinate Ascent Variational Inference
Arxiv
0+阅读 · 3月21日
Predictive variational inference: Learn the predictively optimal posterior distribution
Arxiv
0+阅读 · 3月30日
Stepwise Variational Inference with Vine Copulas
Arxiv
0+阅读 · 3月24日
Even More Guarantees for Variational Inference in the Presence of Symmetries
Arxiv
0+阅读 · 4月23日
Variational inference via radial transport
Arxiv
0+阅读 · 3月31日
Anchored Variational Inference for Personalized Sequential Latent-State Models
Arxiv
0+阅读 · 4月25日
Symmetry Guarantees Statistic Recovery in Variational Inference
Arxiv
0+阅读 · 4月20日
Denoising Diffusion Variational Inference: Diffusion Models as Expressive Variational Posteriors
Arxiv
0+阅读 · 3月13日
Variational Inference for Bayesian MIDAS Regression
Arxiv
0+阅读 · 2月23日
参考链接
微信扫码咨询专知VIP会员
Top