Elements of Sequential Monte Carlo
A gépi tanulás egyik fő stratégiája, hogy a problémát kisebb és jobban kezelhető részekre bontja, majd az adatokat vagy ismeretlen változókat rekurzív módon dolgozza fel. A szekvenciális Monte Carlo (SMC) a statisztikai következtetési problémák rekurzív megoldásának technikája. Az elmúlt 20 évben az SMC-t arra fejlesztették ki, hogy lehetővé tegye a következtetést egyre összetettebb és nagyobb kihívást jelentő modellekben a jelfeldolgozás és a statisztika területén. Ez a monográfia bemutatja, hogyan alkalmazható ez a nagy teljesítményű technika olyan gépi tanulási problémákra, mint a valószínűségi programozás, a variációs következtetés és a következtetés kiértékelése, hogy csak néhányat említsünk.
Az Elements of Sequential Monte Carlo oktatói stílusban megírt könyv bemutatja az SMC alapjait, tárgyalja a gyakorlati kérdéseket, és áttekinti az elméleti eredményeket, mielőtt végigvezeti az olvasót egy sor haladó témán, hogy teljes áttekintést adjon a témáról és annak gépi tanulási problémákra való alkalmazásáról.
Ez a monográfia a kutatók számára hozzáférhető feldolgozást nyújt egy olyan témáról, amely a közelmúltban jelentős érdeklődésre tett szert a gépi tanulás közösségében.