.png){kind=icon}
返回
Approximate Bayesian inference based on INLA algorithm
.png){kind=icon}
PRE
AI
DOI：10.1080/24754269.2025.2588859.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
集成嵌套拉普拉斯近似（INLA）算法为近似贝叶斯推断提供了一种计算效率高的方法，克服了传统马尔可夫链蒙特卡罗（MCMC）方法的局限性。本文综述了INLA算法，并系统回顾了六本探讨INLA理论基础、实践应用和多样化应用的关键著作。这六本书涵盖了空间和时空建模、通用贝叶斯推断、基于SPDE的空间分析、地理空间健康数据、回归建模以及动态时间序列。此外，这些书籍强调了INLA方法在处理复杂模型时保持高计算效率的通用性。本文首先介绍了INLA方法和算法，随后对领域内的六篇关键出版物进行了系统综述。
Keyword:
Approximate Bayesian inference
INLA
computational efficiency
spatial
spatio-temporal
期刊
S
IF:
1.3
论文数:
28
被引数:
0
机构
引用论文
分享收藏分享收藏Monte Carlo sampling methods using Markov chains and their applications基于马尔可夫链的蒙特卡罗抽样方法及其应用.png)
Biometrika
BiometrikaIF0
PREAI
分享收藏
分享收藏分享收藏分享收藏
查看更多内容