概率图模型（PGM）学习资料汇总

//2014年11月14日

PGM和很多领域关系都很大。比如LDA一般用在文本、图像分类上，CRF一般用于图像上，HMM一般做语音这种时序数据，而近来比较火的Deep Learning例如DBN、DBM的基本结构RBM也是一种Graphical Model（虽然现在大家都去用CNN了，那个是纯粹的神经网络结构）。

概率图模型课程资料：

https://www.coursera.org/course/pgm

coursera上面的课程，本人第一次学习概率图模型就是这个。但没有翻译，所以当时看英文字幕十分蛋疼，基本上没怎么听懂。

另外这个老师（Koller）做的ppt十分随意，里面一部分内容是需要她上课时边讲边画的，所以不听课去看ppt是看不懂的。

https://www.cs.cmu.edu/~epxing/Class/10708/lecture.html

CMU的课程资料，比起coursera上的更加完整，内容更加深入。重要的是ppt十分详细。

多了Nonparametric Bayesian Models、Spectral Methods for Graphical 、ModelsStructured Sparsity、 Scalable Algorithms for Graphical Models这些内容。

零散的博客介绍：

为什么要学习概率图模型

http://www.zhihu.com/question/23255632

概率图模型简介

http://www.crescentmoon.info/?p=817

个人认为是最好的介绍文章。概率图模型的inference，learing的概念讲得很清楚。

介绍几个经典概率图模型的一系列博文

http://blog.csdn.net/polly_yang/article/category/1243538

概率图模型(PGM)综述-by MIT 林达华博士

http://www.360doc.com/content/13/0727/20/478627_302887985.shtml

把概率图模型的历史和未来发展方向讲透了

概率图模型 相关博客集合

http://www.tuicool.com/topics/11020120?st=0&lang=0&pn=0

http://www.tuicool.com/articles/uuqaIj