- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 欢迎使用CSDN-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
257
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
2095
1
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
290
转载 联合树
转：http://www.jianshu.com/p/f90100680749Why：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
3623
转载 MH 算法-维基百科
https://en.wikipedia.org/wiki/Metropolis%E2%80%93Hastings_algorithmhttp://www.quantiphile.com/2010/11/01/metropolis-hastings/
2016-03-06 10:55:33
3531
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人