A tutorial on variational Bayesian inference
A tutorial on variational Bayesian inference
复制标题
DOI：
10.1007/s10462-011-9236-8
复制
发表时间：
2012-08-01
影响因子：
12
通讯作者：
Roberts, Stephen J.
中科院分区：
文献类型：
--
作者：
Fox, Charles W.;Roberts, Stephen J.
本教程描述了平均场变分贝叶斯近似在图形模型中的推理，使用现代机器学习术语，而不是统计物理概念。它首先试图找到一个近似的平均场分布接近的KL发散意义上的目标关节。然后，它派生本地节点更新，并回顾最近的可变消息传递框架。
This tutorial describes the mean-field variational Bayesian approximation to inference in graphical models, using modern machine learning terminology rather than statistical physics concepts. It begins by seeking to find an approximate mean-field distribution close to the target joint in the KL-divergence sense. It then derives local node updates and reviews the recent Variational Message Passing framework.