伊莱恩·安吉利诺;马修·詹姆斯·约翰逊;Ryan P.亚当斯。 可扩展贝叶斯推理模式。 （英文） Zbl 1364.68318号 已找到。趋势马赫数。学习。 9，第2-3号，119-247（2016）. 摘要：数据集不仅在规模上而且在复杂性上都在增长，这就产生了对丰富模型和不确定性量化的需求。贝叶斯方法非常适合这种需求，但扩展贝叶斯推理是一个挑战。为了应对这一挑战，最近有相当多的工作基于对模型结构、潜在计算资源和渐近正确性重要性的各种假设。因此，有一个具有广泛假设和适用性的思想动物园。在本文中，我们试图确定缩放贝叶斯推理的统一原则、模式和直觉。我们回顾了利用MCMC和变分近似技术利用现代计算资源的现有工作。从这一概念分类中，我们描述了已证明成功设计可伸缩推理过程的一般原则，并对前进的道路进行了评论。 引用于4文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68-02 与计算机科学有关的研究展览会（专著、调查文章） 关键词：贝叶斯学习;马尔科夫蒙特卡洛;变分推理;并行算法 PDF格式BibTeX公司 XML格式引用 \textit{E.Angelino}等人，发现。趋势马赫数。学习。9、编号2--3、119-247（2016；Zbl 1364.68318） 全文： DOI程序 arXiv公司