学习笔记:近似推断(待完善)

本文探讨了概率模型训练过程中遇到的最大难题之一——推断问题,并介绍了解决这一问题的重要方法:近似推断。主要内容包括最大化下界的两种方法:EM期望最大化与MAP最大后验推断,以及变分推断和变分学习等高级技术。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在很多概率模型中,很难训练的最重要的原因是,很难进行推断,所以书中,专门开了这章,来面临训练中最大而又,不能不解决的问题,近似推断。

近似推断,可以视为优化问题,  主要是 最大化下界

最大化下界:

@@1. EM 期望最大化

@@2. MAP 最大后验推断

然后书还介绍了,变分推断,变分学习,学成近似推断

——————————————————————————————————

该笔记,由于时间关系,待有时间,梳理完后在逐步补善完成,先占位,也是完成学习记录,实在没有办法,最近时间挤得滴水不剩。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

荣•厚德载物

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值