概率图模型-近似推断_第1页
概率图模型-近似推断_第2页
概率图模型-近似推断_第3页
概率图模型-近似推断_第4页
概率图模型-近似推断_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

概率图模型：近似推断ProbabilisticGraphicalModel:ApproximateInference主讲：耿阳李敖计算机与信息技术学院视觉智能实验室（VisInt）BeijingJiaotong

University概率图中的近似推断方法精确推断方法通常需要大量的计算开销，且通常对概率图结构有特殊的要求，相比之下近似推断方法拥有更高的效率和更广适用范围，因此实际中更加常用根据推断任务的不同，常见的近似推断方法包括两类变分推断法（VariationalInference）：主要用于对含有隐变量模型的参数进行最大后验推断。使用变分法对隐变量的后验分布进行近似，然后通过最大化变分下界进行近似推断采样法（Sampling）：基于大数定律，利用采样得到的样本对目标期望进行近似估计。变分推断法从EM算法说起

变分推断法辅助分布引入最大化证据下界证据下界（ELBO）EvidenceLowerBOund

变分推断法交替优化期望最大化

变分推断法变分优化

变分推断法

采样法针对期望问题，依据大数定律：变量维度一维随机变量：逆变换采样法（InverseTransformSampling）、拒绝采样法（RejectingSampling）多维随机变量：马尔科夫链蒙特卡洛（MarkovChainMonteCarlo,MCMC）采样、Gibbs采样如何进行采样采样：一维随机变量逆变换采样法拒绝采样法

采样：多维随机变量

采样：MCMC方法

采样：Gibbs采样

扩展阅读变分推断法：Bishop,ChristopherM.Chapter10.1inPatternRecognitionandMachineLearning[M].Springer,2006.周志华.Chapter14.5in机器学习[M].清华大学出版社,2016.一维采样方法Bishop,ChristopherM.Chapter11.1inPatternRecognitionandMachineLearning[M].Springer,2006.多维采样方法Bishop,ChristopherM.Chapter11.2inPatternRecognitionandMachineLearning[M].Springer,2006.靳志辉.Chapter4in火光摇曳[OL].2

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论