TensorFlow Probability : Tutorials : ガウス過程 潜在変数 (状態空間) モデル (翻訳/解説)

【TensorFlow Probability: Tutorials: ガウス過程潜在変数(状態空間)モデル】
TensorFlow Probability (TFP) は TensorFlow エコシステムの一つで確率的推論と統計解析を可能にする Python ライブラリで、確率モデルと深層学習の融合を容易にします。
TFP チュートリアルの翻訳をしています。ガウス過程の応用方法としては回帰モデルが良く知られており先にガウス過程回帰モデルを扱いましたが、潜在変数モデルとしても利用可能です。高次元観測 (e.g. 画像) のコレクションが与えられたときに低次元潜在構造を推測することができます。今回はガウス過程潜在変数モデルを扱います。
TFP は次を含みます: (1) 広範囲な確率分布と bijector。(2) 深層確率的モデルを構築するための各種ツール。 (3) 変分推論と MCMC。 (4) 各種オプティマイザ。
TFP は TensorFlow 上に構築され TensorFlow のメリットを継承しますので、モデル探究とプロダクションのライフサイクルを通して単一の言語を使用してモデルを構築し、fit し、そして配備できます。

TensorFlow Probability : Tutorials : ガウス過程 潜在変数 (状態空間) モデル