【UAI 2019 Tutorials】混合图模型和神经网络（像混合巧克力和花生酱）（Mixing Graphical Models and Neural Nets Like Chocolate and Peanut Butter）

主题： Mixing Graphical Models and Neural Nets Like Chocolate and Peanut Butter

摘要： 本教程将提供一个如何将图模型和神经网络结合起来思考的统一视图，重点放在基本原理上，而不是对最近的文献进行全面的调查。在图模型、指数族和相关的近似推理算法上都会有一个深入的研究，所有的框架都能使其与深入学习中的思想和技术相适应，如摊销推理和自动微分。例如，我们将介绍如何在神经网络的预测步骤中嵌入迭代图模型推理算法，并在整个学习过程中有效地进行区分。此外，我们的方法将强调机械化的思想，这样我们就可以开发软件来为我们做那些费力的部分。

邀请嘉宾：

Matt Johnson，是谷歌大脑的研究科学家。他在JAX工作。他的其他工作包括用神经网络组成图模型，利用专门的推理算法，自动识别和利用近似结构的共轭结构，而不需要特定领域的语言，基于模型的像素增强学习（blog post）。Matt也是Autograd的合著者。Matt是哈佛大学智能概率系统组的瑞安·亚当斯和哈佛医学院Datta实验室的鲍勃·达塔的博士后。

下载链接： 链接：https://pan.baidu.com/s/1EFrEiFwdXI0u8H1xUr-gGw 提取码：dq8i