筷点雪糕侠

2022年2月24日

摘要： ![](https://img2022.cnblogs.com/blog/2682749/202202/2682749-20220224225111955-262876296.png) ![](https://img2022.cnblogs.com/blog/2682749/202202/2682749-20220224225236328-2104689293.png) ![](https://i 阅读全文

posted @ 2022-02-24 22:59 筷点雪糕侠阅读(42) 评论(0) 推荐(0) 编辑

概率图模型-13.结构学习

摘要： ![](https://img2022.cnblogs.com/blog/2682749/202202/2682749-20220224224131914-294611579.png) ![](https://img2022.cnblogs.com/blog/2682749/202202/2682749-20220224224211081-175988797.png) ![](https://im 阅读全文

posted @ 2022-02-24 22:50 筷点雪糕侠阅读(39) 评论(0) 推荐(0) 编辑

概率图模型-12.参数学习

摘要： ![](https://img2022.cnblogs.com/blog/2682749/202202/2682749-20220224220338734-82519410.png) ![](https://img2022.cnblogs.com/blog/2682749/202202/2682749-20220224220712134-653559335.png) ![](https://img 阅读全文

posted @ 2022-02-24 22:24 筷点雪糕侠阅读(58) 评论(0) 推荐(0) 编辑

概率图模型-10.近似推理 BP算法的能量最小化解释

摘要：一般只有树状符合次模性的结构才能精确推理一般图只能用近似推理 BP算法在有环的，没法使用本章讲解的是BP算法如何在因子图上执行，之前讲的是在聚类图上执行 $n_{i\to a}(x_i)$从变量节点$i$到因子节点$a$的消息 \(i是变量节点，没有势函数，要计算i的邻居节点(\a 把a排除在阅读全文

posted @ 2022-02-24 08:39 筷点雪糕侠阅读(148) 评论(0) 推荐(0) 编辑

2022年2月21日

概率图模型-7.团树传播算法

摘要： 1.节点的势函数初始化对应到j这个节点的因子做一个连乘积,就是j节点里面的全部因子 2.选取根节点，这个好说 3.计算消息，这个复杂了 $以i到j节点为例$ \(先计算除了j之外，i的其他邻居节点到i的消息，这个例子里面是s到i，t到i的消息(\delta_{k\to j}),k\in (Nb 阅读全文

posted @ 2022-02-21 08:55 筷点雪糕侠阅读(202) 评论(0) 推荐(0) 编辑

概率图模型-6.推理分类,变量消元法

摘要：变量消元算法 $A和其他几个\phi()函数无关,就放到后面去了$ 案例2 顺序总结 VE-Variable Eliminate 第二种消元法复杂度高于第一种的复杂度还可以从图论的视角分析导出图和变量消元顺序是一一对应的 scope 就是因子中包含的随机变量导出图的宽度决定了这个消元顺序对阅读全文

posted @ 2022-02-21 08:44 筷点雪糕侠阅读(157) 评论(0) 推荐(0) 编辑

2022年2月20日

概率图模型-5.因子图

摘要：节点类型有两类 1.变量节点(圆圈表示) 2.因子节点(方块表示) - 这个因子基本就是神经网络中的隐变量变量节点之间没有边因子节点之间没有边贝叶斯网络和MRF都可以用因子图来表示 $f_a 代表的是某个因子,因子的连乘积表达了变量节点的概率分布$ 怎么连看左边下面的P中的元素，每个P对应阅读全文

posted @ 2022-02-20 22:31 筷点雪糕侠阅读(353) 评论(0) 推荐(0) 编辑

概率图模型-4.马尔科夫随机场

摘要：图像去噪案例几个概念联合概率分布归一化因子/配分函数 - 作用：使得$p(x_1,...,x_n)$这个分布满足概率=1的要求最后一个公式，也可以通过$\tilde p(x_1,...,x_n) 计算归一化因子$ 势函数归一化因子怎么求？图中有这张图里面的边缘概率$p(A,B)$是从上一阅读全文

posted @ 2022-02-20 22:09 筷点雪糕侠阅读(190) 评论(0) 推荐(0) 编辑

概率图模型-3.贝叶斯网络

摘要：注意这里的父节点，指的是父节点的集合核心问题-条件独立性讲重点-条件独立性 Z表示是观测变量比如第一条，如果W不是观测变量，那么X会影响Y，打了一个勾，表示具备概率流动性第三条，对应右边图的右边部分,I,G,S这部分,若W已被观测，G,S没有流动性,若W未被观测，是有流动性，比如不知道他智力阅读全文

posted @ 2022-02-20 16:29 筷点雪糕侠阅读(140) 评论(0) 推荐(0) 编辑

概率图模型-2.概率论与图论基础

摘要：重点来了，条件独立性，概率图模型的核心第二张图形成了圈，是含圈的(不用看是否有向) 阅读全文

posted @ 2022-02-20 15:26 筷点雪糕侠阅读(46) 评论(0) 推荐(0) 编辑

公告