- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 欢迎使用优快云-markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图 离线写博客 导入导出Markdown文件 丰富的快捷键 快捷键 加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2016-03-09 10:46:15
375
原创 变分推理
variational inference 泛函极值问题又称变分问题,寻求泛函极值的方法称为变分法「60]。图模型 变分推理是基于数学变分法的近似推理方法,其基本思想是根据凸对偶原理(凸 函数的共辘对偶性)把对图模型联合概率分布进行变量求和的概率推理问题转 化为关于自由分布的泛函极值问题,并通过近似求解泛函极值计算出目标函数 的上下界。 具体参考：天津大学博士学位论文 基
2016-03-08 22:23:25
2361
转载 BP
转 今天先说说belief propagation吧。这是machine learning的泰斗J. Pearl的最重要的贡献。对于统计学来说，它最重要的意义就是在于提出了一种很有效的求解条件边缘概率(conditional marginal probability)的方法。说的有点晦涩了，其实所谓求解条件边缘概率，通俗地说，就是已知某些条件的情况下，推导另外某些事件发生的概率。
2016-03-08 18:02:56
385
转载 联合树
转：http://www.jianshu.com/p/f90100680749 Why： 当Graphical model不再是树形结构的时候，factor graph并不能保证有一致的解，我们需要将原本的概率图构造为一种树形结构的图，能够在这种数据结构上执行类似factor tree中的message passing，最终得到我们所感兴趣的分布。 它并没有解决fator tre
2016-03-08 17:47:38
4630
转载 MH 算法-维基百科
https://en.wikipedia.org/wiki/Metropolis%E2%80%93Hastings_algorithm http://www.quantiphile.com/2010/11/01/metropolis-hastings/
2016-03-06 10:55:33
3744
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人