Grafikus modellek, exponenciális családok és variációs következtetés

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 3 olvasói szavazat alapján történt.

Eredeti címe:

Graphical Models, Exponential Families, and Variational Inference

Könyv tartalma:

A valószínűségi gráfmodellek formalizmusa egységes keretet biztosít a véletlen változók közötti összetett függőségek megragadásához és nagyméretű, többváltozós statisztikai modellek építéséhez. A gráfmodellek számos statisztikai, számítási és matematikai területen, többek között a bioinformatika, a kommunikációelmélet, a statisztikai fizika, a kombinatorikus optimalizálás, a jel- és képfeldolgozás, az információkeresés és a statisztikai gépi tanulás területén a kutatás középpontjába kerültek.

Számos, konkrét esetekben felmerülő problémát - beleértve a valószínűségi eloszlások marginálisainak és móduszainak kiszámításának kulcsfontosságú problémáit - legjobban általános környezetben lehet tanulmányozni. A Graphical Models, Exponential Families and Variational Inference (Grafikus modellek, exponenciális családok és variációs következtetés) exponenciális családok ábrázolásával dolgozik, és kihasználja a kumulánsfüggvény és az entrópia exponenciális családokra vonatkozó konjugált kettősségét, és általános variációs ábrázolásokat dolgoz ki a valószínűségek, marginális valószínűségek és legvalószínűbb konfigurációk kiszámításának problémáira.

Leírja, hogy az algoritmusok széles skálája - köztük az összeg-produktum, a klaszter-variációs módszerek, az elvárás-terjedés, az átlagmező-módszerek és a max-produktum - hogyan értelmezhető e variációs reprezentációk pontos vagy közelítő formái alapján. A variációs megközelítés a Markov-láncos Monte-Carlót kiegészítő alternatívát kínál a nagyméretű statisztikai modellek következtetési módszereinek általános közelítési forrásaként.