【变分推断课件】Lectures on Variational Inference： Approximate Bayesian Inference in Machine Learning（附带pdf）

课件题目

Lectures on Variational Inference：Approximate Bayesian Inference in Machine Learning

课件简介 本讲座主要讲述了变分推理中的，机器学习近似贝叶斯推理。变分指的是泛函的变分。打个比方，从A点到B点有无数条路径，每一条路径都是一个函数吧，这无数条路径，每一条函数（路径）的长度都是一个数，那你从这无数个路径当中选一个路径最短或者最长的，这就是求泛函的极值问题。有一种老的叫法，函数空间的自变量我们称为宗量（自变函数），当宗量变化了一点点而导致了泛函值变化了多少，这其实就是变分。变分，就是微分在函数空间的拓展，其精神内涵是一致的。求解泛函变分的方法主要有古典变分法、动态规划和最优控制。作者主张将变分推理应用于贝叶斯推理中，并详细地介绍了实现方法。

课件作者

Pierre Alquier，来自布里斯托尔大学，海尔布朗尼学院。