- 1、本文档共45页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
概率图模型学习(西电)
概率图模型学习
Learning Graphical Models
1
目录
模型表示( Representation
模型学习( Learning
概率推理( Inference
2
模型表示
图论+概率论=概率图模型
节点:随机变量或一组随机变量
连接弧:随机变量之间的依赖关系
研究对象之间依赖关系的一种工具
概率图模型完全可以用纯概率的方式表达;而图结构的引入
提供了理解的直观性
3
模型表示
有向图
贝叶斯网络(Bayesian Network
隐马尔可夫模型(Hidden Markov Model
无向图
马尔可夫随机场( Markov Random Field
条件随机场(Conditional Random Field
4
模型表示
5
模型表示
基本定义
贝叶斯网络(BN)是一个二元组,即 , 为有向无环图,其中V
BN (GP, ) G(V,E)
为节点集,与领域的随机变量一一对应;E为有向边集,反映变量之间的因果依赖关
系;P为节点的概率分布,表示节点之间因果影响强度,每个节点都有一个条件概率
表,定量描述其所有父节点对该节点的作用效果.
n
V{V,V ,,V} PV( )PV( ,V ,,V ) PV( |paV( )).
变量集 上的联合概率分布:
1 2 n 1 2 n i1 i i
图2.1 一个贝叶斯网实例
6
模型表示
B ⊥E
J ⊥{B,E,M} | A
M ⊥{B,E,J} | A
P(B,E,A,J,M)=P(B)P(E|B)P(A|B,E)P(J|B,E,A)P(M|B,E,A,J)
1 + 2 +4 +8 +16 =31
P(B,E,A,J,M)=P(B)P(E)P(A|B,E)P(J|A)P(M|A)
1 +1 +4 +2 +2 =10
7
模型表示
8
模型表示
文档评论(0)