假设我有一个 gamma=10 的泊松分布。我想拟合一个高斯分布，它可以最小化 KL 散度到泊松分布。这可以通过变分推理来实现。如何使用 Stan 进行优化？
参考手册有一章是关于 VI 的，但只提供了一些关于它是如何在内部实现的高级信息，而不是如何使用它。
用户指南在第22.2 章中提到了 VI，但仅对其效率进行了一些一般性的评论。
关于 SO 的一个相关问题可能是：PyStan API 中的变分推理？
但这只是询问是否在 PyStan 中实现了 advi（它已经实现了）。没有其他信息。
假设我有一个 gamma=10 的泊松分布。我想拟合一个高斯分布，它可以最小化 KL 散度到泊松分布。这可以通过变分推理来实现。如何使用 Stan 进行优化？
参考手册有一章是关于 VI 的，但只提供了一些关于它是如何在内部实现的高级信息，而不是如何使用它。
用户指南在第22.2 章中提到了 VI，但仅对其效率进行了一些一般性的评论。
关于 SO 的一个相关问题可能是：PyStan API 中的变分推理？
但这只是询问是否在 PyStan 中实现了 advi（它已经实现了）。没有其他信息。