1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 高等教育
  5. 习题/试题

Part III Hierarchical Bayesian Models - Computational Cognitive 第三部分分层贝叶斯模型计算认知.pptVIP

Part III Hierarchical Bayesian Models - Computational Cognitive 第三部分分层贝叶斯模型计算认知.ppt

    1. 1、本文档共114页，可阅读全部内容。
    2. 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. 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. 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)。
    5. 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
    6. 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
    7. 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
    8. 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
    查看更多

    PartIII

    HierarchicalBayesianModels

    PhrasestructureUtteranceSpeechsignalGrammarUniversalGrammarHierarchicalphrasestructuregrammars(e.g.,CFG,HPSG,TAG)

    (HanandZhu,2006)Vision

    PrinciplesStructureDataWhole-objectprincipleShapebiasTaxonomicprincipleContrastprincipleBasic-levelbiasWordlearning

    HierarchicalBayesianmodelsCanrepresentandreasonaboutknowledgeatmultiplelevelsofabstraction.Havebeenusedbystatisticiansformanyyears.

    HierarchicalBayesianmodelsCanrepresentandreasonaboutknowledgeatmultiplelevelsofabstraction.Havebeenusedbystatisticiansformanyyears.Havebeenappliedtomanycognitiveproblems:causalreasoning(Mansinghkaetal,06)language (ChaterandManning,06)vision (Fei-Fei,Fergus,Perona,03)wordlearning (Kemp,Perfors,Tenenbaum,06)decisionmaking (Lee,06)

    OutlineAhigh-levelviewofHBMsAcasestudySemanticknowledge

    PhrasestructureUtteranceSpeechsignalGrammarUniversalGrammarHierarchicalphrasestructuregrammars(e.g.,CFG,HPSG,TAG)P(phrasestructure|grammar)P(utterance|phrasestructure)P(speech|utterance)P(grammar|UG)

    PhrasestructureUtteranceGrammarUniversalGrammaru1u2u3u4u5u6s1s2s3s4s5s6GUHierarchicalBayesianmodelP(G|U)P(s|G)P(u|s)

    PhrasestructureUtteranceGrammarUniversalGrammaru1u2u3u4u5u6s1s2s3s4s5s6GUAhierarchicalBayesianmodelspecifiesajointdistributionoverallvariablesinthehierarchy:

    P({ui},{si},G|U) =P({ui}|{si})P({si}|G)P(G|U)HierarchicalBayesianmodelP(G|U)P(s|G)P(u|s)

    KnowledgeatmultiplelevelsTop-downinferences:Howdoesabstractknowledgeguideinferencesatlowerlevels?Bottom-upinferences:Howcanabstractknowledgebeacquired?Simultaneouslearningatmultiplelevelsofabstraction

    PhrasestructureUtteranceGrammarUniversalGrammaru1u2u3u4u5u6s1s2s3s4s5s6GUTop-downinferencesGivengrammarGandacollectionofutterances,constructaphrasestructureforeachutterance.

    PhrasestructureUtteranceGrammar

    您可能关注的文档

    最近下载

    文档评论（0）

    ranfand + 关注
    实名认证
    文档贡献者

    该用户很懒，什么也没介绍

    咨询Ta 进入空间

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >