随机微分方程的黑盒变分推断
Lotka-Volterra示例的Tensorflow实现在 ， ， 和 （ICML，2018）中进行了。
示例：Lotka-volterra
在这里，我们在本文的第5.1节中演示示例“具有未知参数的多个观察时间”的实现。 也就是说，在已知测量误差方差的情况下，二维Lotka-Volterra SDE的全参数推断观察到的离散时间步长为10。
系统要求
以下示例已使用tensorflow 1.5，numpy 1.14和python 3进行了测试。尚未在任何依赖项的更新和/或更高版本上进行严格测试。 如有任何相关问题，请参阅联系部分。
此示例还使用张量板（1.5）可视化训练。 这样，您应该在lotka_volterra_data.py中为张量板输出指定路径。 例如：
PATH_TO_TENSORBOARD_OUTPUT = "~/Documents/my_
2022-04-04 17:03:41
1.56MB
1
Factor graphs, belief propagation and variational__inference.pdf
2021-10-14 16:16:32
5.43MB
1
具有TensorFlow的贝叶斯神经网络
如我的论文所述，该存储库考虑了贝叶斯人工神经网络的实现。 实施的中心是模块 ，其中我们的许多技术工作都受到启发。
该存储库的主要结构如下：
2021-07-04 01:14:27
9KB
1
这个是 Jordan 老爷子和他的得意门徒 Martin J Wainwright 在 Foundation of Machine Learning Research 上的创刊号，可以免费下载，比较难懂，但是一旦读通了，graphical model 的相关内容就可以踏平了。
2021-06-20 15:35:17
2.05MB
1
变分推断（Variational Inference, VI）是贝叶斯近似推断方法中的一大类方法，将后验推断问题巧妙地转化为优化问题进行求解，相比另一大类方法马尔可夫链蒙特卡洛方法（Markov Chain Monte Carlo, MCMC），VI 具有更好的收敛性和可扩展性。。。
2021-05-18 14:30:10
1.41MB
1