概括

用于构建和使用复杂系统概率模型的通用框架,使计算机能够使用可用信息做出决策。

大多数任务都需要一个人或一个自动化系统进行推理——根据可用信息得出结论。本书中介绍的概率图形模型框架为这项任务提供了一种通用方法。该方法是基于模型的,允许构建可解释的模型,然后通过推理算法进行操作。这些模型也可以从数据中自动学习,允许在手动构建模型困难甚至不可能的情况下使用该方法。因为不确定性是大多数现实世界应用中不可避免的方面,所以本书重点关注概率模型,这些模型使不确定性明确化并提供更忠实于现实的模型。

《概率图形模型》讨论了各种模型,包括贝叶斯网络、无向马尔可夫网络、离散和连续模型,以及处理动态系统和关系数据的扩展。对于每一类模型,文本描述了三个基本基石:表示、推理和学习,同时介绍了基本概念和高级技术。最后,本书考虑了在不确定性下使用所提出的框架进行因果推理和决策。每章的正文提供了关键思想的详细技术发展。大多数章节还包括带有附加材料的框:技能框,描述技术;案例研究框,讨论与文本中描述的方法相关的经验案例,包括计算机视觉、机器人技术、自然语言理解、和计算生物学;和概念框,它们展示了从本章材料中得出的重要概念。教师(和读者)可以对章节进行各种组合,从核心主题到技术更先进的材料,以满足他们的特定需求。

成为VIP会员查看完整内容
27

相关内容

概率图模型是图灵奖获得者Pearl开发出来的用图来表示变量概率依赖关系的理论。概率图模型理论分为概率图模型表示理论,概率图模型推理理论和概率图模型学习理论。
专知会员服务
150+阅读 · 2021年8月2日
【2021新书】概率图模型:原理与应用,370页pdf
专知会员服务
147+阅读 · 2021年5月26日
专知会员服务
26+阅读 · 2020年11月4日
【干货书】用Python构建概率图模型,173页pdf
专知会员服务
99+阅读 · 2020年8月23日
【经典书】贝叶斯编程,378页pdf,Bayesian Programming
专知会员服务
193+阅读 · 2020年5月18日
【新书】感知和行动的贝叶斯模型,348页pdf
图数据表示学习综述论文
专知
36+阅读 · 2019年6月10日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 4月14日
A Survey on Bayesian Deep Learning
Arxiv
51+阅读 · 2020年7月2日
Arxiv
14+阅读 · 2019年6月25日
VIP会员
相关VIP内容
专知会员服务
150+阅读 · 2021年8月2日
【2021新书】概率图模型:原理与应用,370页pdf
专知会员服务
147+阅读 · 2021年5月26日
专知会员服务
26+阅读 · 2020年11月4日
【干货书】用Python构建概率图模型,173页pdf
专知会员服务
99+阅读 · 2020年8月23日
【经典书】贝叶斯编程,378页pdf,Bayesian Programming
专知会员服务
193+阅读 · 2020年5月18日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员