确切地说,我正在查看此演示文稿https://kaybrodersen.github.io/talks/Brodersen_2013_03_22.pdf,但我不明白拉普拉斯方法和变分贝叶斯之间有什么联系?我的意思是,我完全知道拉普拉斯近似的作用及其局限性,但我不知道它是如何与变分贝叶斯相联系的。也许最后一个就像拉普拉斯近似的扩展?
在此先感谢您的帮助。
确切地说,我正在查看此演示文稿https://kaybrodersen.github.io/talks/Brodersen_2013_03_22.pdf,但我不明白拉普拉斯方法和变分贝叶斯之间有什么联系?我的意思是,我完全知道拉普拉斯近似的作用及其局限性,但我不知道它是如何与变分贝叶斯相联系的。也许最后一个就像拉普拉斯近似的扩展?
在此先感谢您的帮助。
如评论部分所述,拉普拉斯方法和某类变分推理方法(凸型表示)均基于局部逼近(非高斯)密度。
Chris Bishop 的“模式识别和机器学习”一书对此有一个章节(第 10.5 章。局部变分方法)。
我希望这会有所帮助。