学习笔记:直面配分函数(待完善)

配分函数,是未归一化概率所有状态的积分(对于连续变量)或求和(对于离散变量)

直面配分函数,是由于配分函数,在很多模型上,在积分和求和上面很难计算,所以书中在本章,我认为主要介绍了7种方法,3种策略。

基于MCMC 的改进求解

@@1.对数似然梯度----能量函数(负相)

@@2. 随机最大似然数(拉高拉低的最大似然数)

@@3.对比散度CD   (去掉mcmc梯度更新中的最小项)

绕开配分函数,用其他方法求解

@@4.伪似数

@@5.得分匹配和比率匹配

直面 面对,进行求解

@@6.噪声对比估计--直接估计

@@7.估计配分函数,退火采样,桥式采样

——————————————————————————————————

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。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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