概率图模型: Coursera课程资源分享和简介

本博客中概率图模型(Probabilistic Graphical Model)系列笔记以 Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 为主线,结合资料(每篇博文脚注都附有链接)加以补充. 为便于对照课程查阅,博文的章节编号与课程视频编号一致. 博文持续更新(点击这里见系列笔记目录页),丰富课程资源见 PGM(概率图模型)Coursera: 课程资源分享和简介.

课程内容

  概率图模型的表示刻画了模型的随机变量在变量层面的依赖关系, 反映出问题的概率结构以及推理的难易程度, 也为推理算法提供了可以操作的数据结构. 概率图模型的表示方法有多种比如常见贝叶斯网络、马尔可夫网络、因子图等.
  
  Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 可在 Coursera 上学习,并且配有编程作业. 该课程主要包括了1:

  1. 贝叶斯网络及马尔可夫网络的概率图模型表示及变形。
  2. Reasoning 及 Inference 方法,包括exact inference(variable elimination, clique trees) 和 approximate inference (belief propagation message passing, Markov chain Monte Carlo methods)。
  3. 概率图模型中参数及结构的learning方法。
  4. 使用概率图模型进行统计决策建模。

课程资源

  • Coursera-Stanford-PGM 课程视频,提取码:dnva;

  • Coursera-Stanford-PGM 课程幻灯片slides,提取码:ogui;

  • Daphne Koller 教授的著作Probabilistic Graphical Models - Principles and Techniques,以及这本书王飞跃,韩素青的翻译版概率图模型 - 原理与技术;

  • An Introduction to Probabilistic Graphical Models - Jordan是一本不错的书籍,比Koller那本的厚度可是要轻量级不少;

  • 至于编程作业代码答案,csdn的资源库和github上均有,但是这个不该作为资源来分享……希望大家还是努力自己完成~自己走一遍才是真正的理解。

概率图模型综述

  • 【综述】(MIT博士)林达华老师-”概率模型与计算机视觉” , 讲透了概率图模型的历史和未来发展方向。以及这篇文章排版润色之后.

  • Freemind 的博文 Probabilistic Graphical Model.

  • 心怀畏惧 的博文 概率图模型简介 .

我的笔记目录页

  • 概率图模型(01): 概述 & 三种分布 (边缘 & 联合 & 条件)
  • 概率图模型(02)上: 贝叶斯网中独立关系(因子分解 & 影响流动)
  • 概率图模型(02)下: 贝叶斯网两等价观点(条件独立和因子分解)
  • 概率图模型(03): 模板模型(动态贝叶斯, 隐马尔可夫和 Plate 模型)
  • 概率图模型(05): 揭示局部概率结构, 稀疏化网络表示(Structured-CPDs)
  • 概率图模型(06): 概率图双重对偶视角 || 马尔可夫网 & 条件随机场及应用
  • 概率图模型(07): 从思路到模型(Knowledge Engineering)

Mark几篇博文

  • 总结性极强的干货课程笔记目录页,适合学完课程后整理复习和理解框架使用。

  • Stanford概率图模型(Probabilistic Graphical Model)— 第一讲 贝叶斯网络基础
    Stanford概率图模型(Probabilistic Graphical Model)— 第二讲 Template Models and Structured CPDs

  • 概率图模型(PGM)学习笔记(三)模式推断与概率图流
    概率图模型(PGM)学习笔记(四)贝叶斯网络-伯努利贝叶斯-多项式贝叶斯

  • 一个系列博文笔记目录页


  1. yangliuy, Stanford概率图模型(Probabilistic Graphical Model)— 第一讲 贝叶斯网络基础, http://blog.csdn.net/yangliuy/article/details/8067261. ↩

本文转自:http://blog.csdn.net/thither_shore/article/details/52185758


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/246827.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

UFLDL教程:Exercise:Vectorization

载入数据并显示 Deep Learning and Unsupervised Feature Learning Tutorial Solutions 下载MINIST数据集及加载数据集的函数。MINIST数据集的介绍。 % Change the filenames if youve saved the files under different names % On some platforms, the files might be saved…

UFLDL教程:Exercise:PCA in 2D PCA and Whitening

相关文章 PCA的原理及MATLAB实现 UFLDL教程:Exercise:PCA in 2D & PCA and Whitening python-A comparison of various Robust PCA implementations Deep Learning and Unsupervised Feature Learning Tutorial Solutions 统计学的基本概念 统计学里最基本…

UFLDL教程:Exercise:Softmax Regression

Softmax分类函数的Python实现 Deep Learning and Unsupervised Feature Learning Tutorial Solutions 逻辑回归假设函数 在线性回归问题中,假设函数具有如下形式: 在 logistic 回归中,我们的训练集由m 个已标记的样本构成:&#…

UFLDL教程: Exercise:Self-Taught Learning

自我学习 Deep Learning and Unsupervised Feature Learning Tutorial Solutions 1.先训练稀疏自编码器提取特征,再把特征和label给softmax分类器进行训练,最后用test数据集进行测试。 2.由于实际应用中找到大量有标注的样本是非常困难的,所…

UFLDL教程: Exercise: Implement deep networks for digit classification

Deep networks Deep Learning and Unsupervised Feature Learning Tutorial Solutions 深度网络的优势 比单层神经网络能学习到更复杂的表达。不同层的网络学习到的特征是由最底层到最高层慢慢上升的。比如在图像的学习中,第一个隐含层网络可能学习的是边缘特征&am…

UFLDL教程: Exercise:Learning color features with Sparse Autoencoders

Linear Decoders Deep Learning and Unsupervised Feature Learning Tutorial Solutions 以三层的稀疏编码神经网络而言,在sparse autoencoder中的输出层满足下面的公式 从公式中可以看出,a3的输出值是f函数的输出,而在普通的sparse autoenc…

UFLDL教程:Exercise:Convolution and Pooling

Deep Learning and Unsupervised Feature Learning Tutorial Solutions CNN的基本结构包括两层 其一为特征提取层,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征。一旦该局部特征被提取后,它与其它特征间的位置关系也随之确…

莫凡机器学习课程笔记

怎样区分好用的特征 避免无意义的信息避免重复性的信息避免复杂的信息 激活函数的选择 浅层神经网络,可以随便尝试各种激活函数 深层神经网络,不可随机选择各种激活函数,这涉及到梯度爆炸和梯度消失。(给出梯度爆炸和梯度消失的…

UFLDL教程:数据预处理

数据预处理是深度学习中非常重要的一步!如果说原始数据的获得,是深度学习中最重要的一步,那么获得原始数据之后对它的预处理更是重要的一部分。 一般来说,算法的好坏一定程度上和数据是否归一化,是否白化有关。 数据归…

How To Install Visual Studio Code On Ubuntu

链接 Linux中安装 Visual Studio Code 详解 在Ubuntu中安装Visual Studio Code How To Install Visual Studio Code On Ubuntu

深度学习笔记(待续)

背景知识 好的特征应具有不变性(大小、尺度和旋转等)和可区分性):例如Sift的出现,是局部图像特征描述子研究领域一项里程碑式的工作。由于SIFT对尺度、旋转以及一定视角和光照变化等图像变化都具有不变性,并…

人工智能泰斗迈克尔·乔丹分享机器学习要义:创新视角,直面挑战

2017年6月21日至22日,腾讯云未来峰会在深圳举行。人工智能领域的世界级泰斗迈克尔欧文乔丹(Michael I.Jordan)进行了主题为“机器学习:创新视角,直面挑战”的演讲,与大家分享他对人工智能的未来与挑战的见解…

查看医学影像文件软件

Mango Mango官网下载 直接点击Mango.jar 可打开软件。 可能出现的问题: XXis not marked as executable. it may be dangerous to run. 程序无法执行问题。 解决方法: 右键文件,属性--->权限--->勾选允许作为程序执行文件 或者 修…

ubuntu下终端提示符设置

PS1变量 修改/ect下bash.bashrc文件PS1变量 \d :代表日期,格式为weekday month date,例如:”Mon Aug 1” \H :完整的主机名称。例如:我的机器名称为:fc4.Linux,则这个名称就是fc4.l…

Learning from Imbalanced Classes

数据不均衡 数据不平衡是一个非常经典的问题,数据挖掘、计算广告、NLP等工作经常遇到。该文总结了可能有效的方法,值得参考: 1.Do nothing. Sometimes you get lucky and nothing needs to be done. You can train on the so-called natural …

Tensorflow官方文档---起步 MNIST示例

Tensorflow •使用图 (graph) 来表示计算任务. • 在被称之为 会话 (Session) 的上下文 (context) 中执行图. • 使用 tensor 表示数据. • 通过 变量 (Variable) 维护状态. • 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据 综述 Ten…

Git 版本管理

相关文章 版本管理 github访问太慢解决方案 Material for git workshop GitHub秘籍 安装-Git版本管理 Git官网安装说明 Linux 系统安装 # 如果你的 Linux 是 Ubuntu: $ sudo apt-get install git-all# 如果你的 Linux 是 Fedora: $ sudo yum install git-all 如果是其他…

tensorflow:Multiple GPUs

深度学习theano/tensorflow多显卡多人使用问题集 tensorflow中使用指定的GPU及GPU显存 Using GPUs petewarden/tensorflow_makefile tf_gpu_manager/manager.py 多GPU运行Deep Learning 和 并行Deep Learning(待续) Multiple GPUs 1. 终端执行程序…

Tensorflow一些常用基本概念与函数

参考文献 Tensorflow一些常用基本概念与函数 http://www.cnblogs.com/wuzhitj/archive/2017/03.html Tensorflow笔记:常用函数说明: http://blog.csdn.net/u014595019/article/details/52805444 Tensorflow一些常用基本概念与函数(1&#…

ubuntu16.04 Nvidia 显卡的风扇调速及startx的后果

问题描述 #查看nvdia GPU 显卡状态 watch -n 10 nvidia-smi 发现显卡Tesla k40c的温度已经达到74,转速仅仅只有49%。 查看Tesla产品资料,Tesla K40 工作站加速卡规格 ,可知 所以需要调整风扇速度来降温。 然而官方驱动面板里也没有了风扇调…