整数值时间序列数据的神经似然近似

该研究提出了一种统一算法，可高效学习广泛的线性和非线性状态空间模型，包括深度神经网络建模的发射和转移分布。该算法使用结构化变分逼近参数化的循环神经网络来模拟后验分布，并学习编译的推理网络和生成模型。在合成和真实数据集上展现了可扩展性和通用性，并发现使用结构化的后验近似会导致具有显著更高留存的可能性的模型。