20260617:目前有914 页

concepts/deep-variational-implicit-process.md

@@ -0,0 +1,43 @@
+---
+title: "深度变分隐式过程 (DVIP)"
+created: 2026-06-17
+updated: 2026-06-17
+type: concept
+tags: [bayesian-deep-learning, variational-inference, implicit-processes, gaussian-process]
+sources: [raw/papers/ortega-phd-thesis-2026.md]
+confidence: high
+---
+
+# 深度变分隐式过程 (Deep Variational Implicit Process)
+
+DVIP 是 [[ortega-phd-thesis|Ortega (2026)]] 提出的可扩展 Bayesian 框架——将[[implicit-processes|隐式过程]]扩展到深度架构，在函数空间中建模可采样但无显式密度的分布。
+
+## 动机
+
+- [[deep-gaussian-process|深度高斯过程 (DGP)]] 表达力强但计算代价高
+- 隐式过程允许**非高斯先验**和**高效变分推断**
+- 关键挑战：如何将隐式过程与深度架构结合
+
+## 核心思想
+
+DVIP 定义深度隐式过程为：
+
+```
+f(x) = f_L ∘ f_{L-1} ∘ ... ∘ f_1(x)
+```
+
+其中每一层 `f_l` 是一个隐式过程——可从先验采样（通过噪声→函数的确定映射），但无显式概率密度。
+
+## 优势
+
+- 非高斯先验：比 GP 更表达
+- 函数空间变分推断：直接在函数分布上优化
+- 计算高效：DGP 的约 1/10 代价
+- 可扩展：适用于现代深度架构
+
+## 参考
+
+- [[implicit-processes|隐式过程]]
+- [[deep-gaussian-process|深度高斯过程]]
+- [[function-space-modeling|函数空间建模]]
+- [[ortega-phd-thesis|论文]]