Text

Approximate Bayesian Inference

---

Sangat populer untuk inferensi statistik, metode Bayesian juga menjadi populer dalam pembelajaran mesin dan masalah kecerdasan buatan. Estimator Bayesian sering diimplementasikan dengan metode Monte Carlo, seperti Algoritma Metropolis-Hastings dari sampler Gibbs. Algoritma ini menargetkan distribusi posterior yang tepat. Namun, banyak model modern dalam statistik terlalu rumit untuk menggunakan metodologi semacam itu. Dalam pembelajaran mesin, volume data yang digunakan dalam praktik membuat metode Monte Carlo terlalu lambat untuk berguna. Di sisi lain, aplikasi ini seringkali tidak memerlukan pengetahuan pasti tentang posterior. Hal ini telah memotivasi pengembangan algoritme generasi baru yang cukup cepat untuk menangani kumpulan data yang sangat besar tetapi sering kali menargetkan perkiraan posterior. Buku ini mengumpulkan 18 makalah penelitian yang ditulis oleh Perkiraan spesialis Inferensi Bayesian dan memberikan gambaran umum tentang kemajuan terbaru dalam algoritme ini. Ini termasuk metode berbasis pengoptimalan (seperti perkiraan variasi) dan metode berbasis simulasi (seperti algoritma ABC atau Monte Carlo). Aspek teoritis dari Perkiraan Inferensi Bayesian tercakup, khususnya batas PAC-Bayes dan analisis penyesalan. Aplikasi untuk masalah komputasi yang menantang dalam bidang astrofisika, keuangan, analisis data medis, dan visi komputer juga disajikan.

---

Availability

No copy data

Detail Information

Series Title

-

Call Number

519.542 ALQ a

Publisher

Basel, Swiss. : MDPI - Multidisciplinary Digital Publishing Institute., 2022

Collation

online resource ( 508 p.)

Language

English

ISBN/ISSN

9783036537900

Classification

519.542

Content Type

text

Media Type

computer

Carrier Type

online resource

Edition

-

Subject(s)

Metode Statistik Lanjutan (Bayesian)

Specific Detail Info

-

Statement of Responsibility

Pierre Alquier

Other Information

Cataloger

Erwin Hendarto

Source

https://directory.doabooks.org/handle/20.500.12854/84560

Validator

Erwin

Digital Object Identifier (DOI)

10.3390/books978-3-0365-3790-0

Journal Volume

-

Journal Issue

-

Subtitle

-

Parallel Title

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment