概率图模型（PGM）是一种对现实情况进行描述的模型。其核心是条件概率，本质上是利用先验知识，确立一个随机变量之间的关联约束关系，最终达成方便求取条件概率的目的。1.从现象出发---这个世界都是随机变量 这个世界都是随机变量。 第一，世界是未知的，是有多种可能性的。 第二，世界上一切都是相互...
分类：
其他好文 时间：
2015-12-29 22:31:12
阅读次数：
233
在本文中，基于Daphne Koller完成课程。PDM(ProbabilisticGraphiccal Models)称为概率图模型。以下分别说明3个词相应的意义。概率-给出了不确定性的明白量度。-给出了依据不确定性进行判断的有力工具。-利用数据结构，建立了进行学习的方法，解决十分大规模的问题。图...
分类：
其他好文 时间：
2015-09-13 19:54:11
阅读次数：
228
==== 目录 ====C01 引言C02 基础知识第1部分 表示C03 贝叶斯表示C04 无向图模型C05 局部概率模型C06 基于模板的表示C07 高斯网络模型C08 指数族第2部分 推理C09 精确推理：变量消除C10 精确推理：团树C11 作为优化的推理C12 基于粒子的近似推理C13 最大...
分类：
其他好文 时间：
2015-09-12 10:46:07
阅读次数：
561
1.简介
stanford分词目前支持 Arabic 和 Chinese。它的原理是基于CRFs, CRFs分词的原理不难懂，就是把分词当作另一种形式的命名实体识别，利用特征建立概率图模型后，用Veterbi算法求最短路径。stanford
nlp提供了源码demo,目前的版本是3.5.2。
下载地址：http://nlp.stanford.edu/software/segmenter.s...
分类：
其他好文 时间：
2015-07-01 10:00:10
阅读次数：
888
这段时间有个卡尔曼滤波的作业，正好在刑波（Eric Xing）的概率图模型课程上也谈到了这一点，所以从这个角度来阐述卡尔曼滤波，同时介绍其中用到的条件高斯分布的推导过程。这一推导过程来自于《模式识别与机器学习》（PRML）。1. 条件高斯分布 本节要解决的问题是已知，，计算。 按照的划分方法，可以将...
分类：
其他好文 时间：
2015-05-19 22:30:17
阅读次数：
331
之前在概率图模型对概率图模型做了简要的介绍。此处介绍有向图模型中几个常常提到的概念，之前参考的多为英文资料，本文参考的是《概率图模型-原理与技术的》中译版本。很新的书，纸质很好，翻译没有很差。1. 贝叶斯网络-不同视角 概率图模型，究其目的，在于描述多个（单个就没有意义了）变量概率分布之间的关系。有...
分类：
其他好文 时间：
2015-05-19 20:48:53
阅读次数：
3959
深度学习 vs. 概率图模型 vs. 逻辑学摘要：本文回顾过去50年人工智能（AI）领域形成的三大范式：逻辑学、概率方法和深度学习。文章按时间顺序展开，先回顾逻辑学和概率图方法，然后就人工智能和机器学习的未来走向做些预测。【编者按】在上个月发表博客文章《深度学习 vs. 机器学习 vs. 模式识别》...
分类：
其他好文 时间：
2015-05-12 22:33:18
阅读次数：
333
初步打算把概率图模型中推断方法都介绍一下，包括Belief Propagation，变分方法，MCMC，以及像是Graph cut也做一些说明。
关于Belief Propagation是什么?
Belief Propagation是一种信息传递方法，一般用来解关于概率图模型中的推断问题，在这些问题中，单纯地通过公式推导或者MC模拟是很难得到准确答案的，这就需要BP，能够很有效地求解一些特定问题...
分类：
其他好文 时间：
2015-05-08 07:03:19
阅读次数：
284
http://wenku.baidu.com/link?url=-Fa32JAnvwS8fyWgdPjYLNGvmor42lWCT6N7TehNQAnx4ZVmJtC0L0SgnaLtEFMB9Gzw49L-3NbllEnyekS6wz2h8MeSUY2_AvFvxTQWSA3http://wenk...
分类：
其他好文 时间：
2015-05-07 10:10:46
阅读次数：
126
Infer.NET是一个概率图模型中(graphical models)用于运行贝叶斯推理机(Bayesian inference)的框架,本文将介绍一个基于Infer.NET构建贝叶斯机器分类器的例子，并用于根据身高体重预测性别的例子中。
分类：
Web程序 时间：
2015-01-29 09:15:44
阅读次数：
215
