本文介绍了贝叶斯网络和LSTM的基础知识，并展示了使用Matlab进行LSTM时间序列预测的部分源代码。文章讨论了贝叶斯网络的结构形式，如head-to-head、tail-to-tail和head-to-tail条件独立，以及LSTM的核心概念，如细胞状态和门结构。LSTM通过遗忘门、输入门和输出门来决定信息的保留和更新。提供了2014a版Matlab的使用背景，并引用了相关文献。
⛄一、贝叶斯网络及LSTM简介
1 贝叶斯网络
贝叶斯网络(Bayesian network)，又称信念网络(Belief Network)，或有向无环图模型(directed acyclic graphical model)，是一种概率图模型，于1985年由Judea Pearl首先提出。它是一种模拟人类推理过程中因果关系的不确定性处理模型，其网络拓朴结构是一个有向无环图(DAG)。
贝叶斯网络的有向无环图中的节点表示随机变量{ X 1 , X 2 , . . . , X n }
它们可以是可观察到的变量，或隐变量、未知参数等。认为有因果关系（或非条件独立）的变量或命题则用箭头来连接。若两个节点间以一个单箭头连接在一起，表示其中一个节点是“因(parents)”，另一个是“果(children)”，两节点就会产生一个条件概率值。
例如，假设节点E直接影响到节点H，即E→H，
订阅专栏 解锁全文
扫一扫
7196
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
