Méthodes bayésiennes variationnelles : concepts et applications en neuroimagerie

Christine Keribin 1, 2
2 SELECT - Model selection in statistical learning
Inria Saclay - Ile de France, LMO - Laboratoire de Mathématiques d'Orsay, CNRS - Centre National de la Recherche Scientifique : UMR
Résumé : En estimation bayésienne, les lois a posteriori sont rarement accessibles, même par des méthodes de Monte-Carlo par Chaîne de Markov. Les méthodes bayésiennes variationnelles permettent de calculer directement (et rapidement) une approximation déterministe des lois a posteriori. Cet article décrit le principe des méthodes variationnelles et leur application à l'inférence bayésienne, fait le point sur les principaux résultats théoriques et présente deux exemples d'utilisation en neuroimagerie.
Type de document :
Article dans une revue
Journal de la Société Française de Statistique, Société Française de Statistique et Société Mathématique de France, 2010, 151 (2), pp.107-131. 〈http://journal-sfds.fr/index.php/J-SFdS/article/view/51/42〉
Liste complète des métadonnées

https://hal.inria.fr/hal-00944131
Contributeur : Christine Keribin <>
Soumis le : lundi 10 février 2014 - 10:56:05
Dernière modification le : jeudi 11 janvier 2018 - 06:22:14

Identifiants

  • HAL Id : hal-00944131, version 1

Collections

Citation

Christine Keribin. Méthodes bayésiennes variationnelles : concepts et applications en neuroimagerie. Journal de la Société Française de Statistique, Société Française de Statistique et Société Mathématique de France, 2010, 151 (2), pp.107-131. 〈http://journal-sfds.fr/index.php/J-SFdS/article/view/51/42〉. 〈hal-00944131〉

Partager

Métriques

Consultations de la notice

208