首页 > 代码库 > [PGM] Temporal Models
[PGM] Temporal Models
学术潜规则:
概率图模型提出的意义在于将过去看似零散的topic/model以一种统一的方式串联了起来,它便于从整体上看待这些问题,而非具体解决了某个细节。
举个例子:梯度下降,并非解决神经网络收敛问题而专门提出的什么算法,其实是凸优化理论中的一部分。凸优化理论的作用就是概率图模型的贡献所在。
统计机器学习,有数学系角度的认识,也有计算机系角度的认识。
统计机器学习 - 张志华
该课程更偏向于数学系视角,所以课程中包含了大量的概率基础。但课程的top不够,但并非讲师不行,而是计算机系的学生并未系统的学习贝叶斯推断所致。
其实,“统计机器学习”就是PGM,或者说是Advanced PGM。从这个角度来讲,将高斯过程,LDA等划分到Advanced PGM是比较合理的。
Video: https://www.youtube.com/watch?v=ogs4Oj8KahQ&index=13&list=PL50E6E80E8525B59C
[PGM] Temporal Models
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。