贝叶斯网络--HMM
来源:互联网 发布:怪物猎人XX数据库安卓 编辑:程序博客网 时间:2024/05/18 20:08
背景介绍:
贝叶斯相关的理论很多,首先要从贝叶斯观点说起,贝叶斯观点就是用贝叶斯方法来进行贝叶斯推理,贝叶斯方法(即对应的贝叶斯派)与频率派是统计学的两大学派。贝叶斯方法认为参数是服从分布的变量,通过先验分布获取参数来计算后验概率,从贝叶斯的条件概率公式可以看出这点假设。之后在贝叶斯公式基础上有朴素贝叶斯和贝叶斯网络(概率图模型),与此相关的模型很多,如HMM(隐马尔科夫模型,有向概率图)、RBM、CRF(条件随机场,无向概率图,EBM\VGM)、维特比算法。
有向概率图模型(经常推断):
根据概率图写出联合分布,从叶节点开始,只要有父节点就写上其条件概率依次向上写
分解分布:
应用一:朴素贝叶斯
应用二:马尔科夫模型
应用三:HMM
扩展:LSTM/RNN(有向图)、DRBM(Hinton06年最早在Science上发的深度模型,可以看做是深度学习模型的起源了,后来11/12年将深度网络的使用放在CNN上,ImageNet获得成功,深度学习渐渐被认可),可见最早的深度学习其实应该来源自概率图模型的使用上。
阅读全文
0 0
- 贝叶斯网络--HMM
- 概率图秒杀hmm和贝叶斯网络
- HMM
- hmm
- hmm
- HMM
- HMM
- HMM
- HMM
- HMM
- HMM
- HMM
- hmm
- HMM
- 机器学习算法(九)EM和贝叶斯网络的结合 HMM模型
- HMM:隐马尔可夫模型HMM
- 从决策树学习谈到贝叶斯分类算法、EM、HMM
- 从决策树学习谈到贝叶斯分类算法、EM、HMM
- 排序算法比较
- EffectiveJava笔记(一) 创建和销毁对象
- 基于hadoop生态圈的数据仓库实践 —— OLAP与数据可视化(二)
- Unprocessed Shipping Transactions Troubleshooting Techniques (文档 ID 262979.1)
- leetcode 592. Fraction Addition and Subtraction
- 贝叶斯网络--HMM
- Java性能分析工具&&JProfiler
- 将url网址转换成对象
- Linux 内存管理浅析
- 如何录制Gif动态图片
- 多线程之线程的百米赛跑
- CSDN物联网学习5 从芯片到云端 Python物联网全栈开发经验教训共享
- ftp上传异常
- Python列表》》》