概率图模型 - 学习笔记
文章目录
- 教材与公开课视频
- 概率图模型例子
- 如何理解BP算法?
- 概率图模型相比有监督学习的优势
教材与公开课视频
国外经典教材
- 英文版:Probabilistic Graphical Models: Principles and Techniques
- 中文版:《概率图模型:原理与技术》
[美] Daphne Koller [以色列] Nir Friedman 著,王飞跃 韩素青 译
课程视频:
- 深蓝学院 概率图模型理论与应用
- 【中文字幕】斯坦福大学Coursera公开课-《概率图模型》
- bilibili网站其它双语字幕公开课
感谢公开课视频创作者和翻译组!
概率图模型例子
概率图模型有很多种功能,其中一种是先验分布+样本信息→后验分布。
参考博文:先验信息与后验信息。先验概率是指根据以往经验和分析得到的概率;后验概率是基于新的信息,修正原来的先验概率后所获得的更接近实际情况的概率估计。
本文结合下图给出了一个例子。在缺乏样本信息时,对于目标块的来源有2种推断:斑马或衣服。若样本信息是上图,那么黑白条纹衣服出现在野外草原的概率比较小、而斑马出现的概率比较大,那么目标块大概率取自斑马身体;相反,目标块大概率取自黑白条纹衣服。注:这里仅是一种推断而已。
如何理解BP算法?
概率图模型里的BP算法是信念传播(Belief Propagation)算法,区别于深度学习的后向传播(Back Propagation)算法。这里推荐三篇通俗易懂的博文。
- 从零学习Belief Propagation算法(一)
- 从零学习Belief Propagation算法(二)
- 从零学习Belief Propagation算法(三)
BP算法其实就是“和-积”思想,用于加速计算。举一个例子, x 1 y 1 + x 2 y 1 = ( x 1 + x 2 ) y 2 x_1 y_1 + x_2 y_1 = (x_1 + x_2) y_2 x1y1+x2y1=(x1+x2)y2,左边2次乘法、1次加法,而右边仅有1次乘法、1次加法。
概率图模型相比有监督学习的优势
最近的ChatGPT很火。想比智能文字问答,更近一步的是智能图文问答。想象一下,你在开车,不方便查看手机屏幕,这时询问机器人,家里监控画面是否拍到猫咪。
对于有监督学习,为实现上述智能图文问答,可以考虑采取如下图所示的策略。缺点:①语义分割图库标注十分困难;②自然语言处理口语对话特性导致主题开放化(Open-world),即话题有很多种,难以预先确定所有话题,万一在标注时忽略了“猫咪”这个主题,就没有对应的语义分割标记,此时下图中的语义分割网络难以运行。
对于概率图模型,这个问题就简单很多。回想人脸识别,它是一个开放世界(Open-World)分类问题,人脸识别用到了k-近邻的思想,而k-近邻是一种图搜索算法。受此启发,可以考虑采取如下图所示的策略,用概率图模型完成语义分割,而不借助语义分割网络。
这里推荐一篇ICML 2019的论文,Probabilistic Neural-symbolic Models for Interpretable Visual Question Answering,作者用符号网络和推断网络实现智能图文问答。目前,图文问答是一个很不错的新兴研究方向,仅供参考!
- 论文阅读:《Probabilistic Neural-symbolic Models for Interpretable Visual Question Answering》
- Probabilistic Neural-symbolic Models for Interpretable Visual Question Answering (VQA一概率神经符号网络)
- 概率神经网络_【论文解读】结合概率图模型和神经网络做图片问答
概率图模型 - 学习笔记相关推荐
- 概率图模型学习笔记:HMM、MEMM、CRF
作者:Scofield 链接:https://www.zhihu.com/question/35866596/answer/236886066 来源:知乎 著作权归作者所有.商业转载请联系作者获得授权 ...
- DMU-单性状重复力模型-学习笔记3
单性状重复力模型 本次主要是演示如何使用DMU分析单性状重复力模型. 重复力模型和动物模型的区别: 不是所有的性状都可以分析重复力模型, 首先重复力模型是动物模型的拓展, 它适合一个个体多个观测值的情 ...
- 文本分类模型学习笔记
文本分类模型学习笔记 TextCNN 模型结构 HAN 模型结构 实验 数据集 预处理 模型内容 模型训练 模型测试 近年来,深度学习模型在计算机视觉和语音识别中取得了显著成果.在自然语言处理中,深度 ...
- Heckman两阶段模型学习笔记
有近两周的时间都在学习Heckman两阶段模型.网上看了一些资料,在CSDN里找到了几篇珍贵的学习笔记,有一篇相当于带我入了门学习笔记 | Heckman两阶段法介绍_Claire_chen_jia的 ...
- ARIMA模型学习笔记
ARIMA模型学习笔记 目录 ARIMA模型学习笔记 ARIMA模型 时间序列平稳性 什么是平稳性 严平稳 弱平稳 平稳性检验 ADF检验(Augmented Dickey-Fuller test) ...
- 生成模型学习笔记:从高斯判别分析到朴素贝叶斯
机器之心专栏 作者:张威 翻译:燕子石 本文是哥伦比亚大学研究生张威在生成模型上的学习笔记,由毕业于新西兰奥克兰理工大学的燕子石翻译.机器之心之前曾介绍过张威所写的吴恩达<机器学习>课程的 ...
- 图神经网络(GNNs)模型学习笔记与总结
GCN学习笔记 1 基于谱域的GCN 1.1 知识要点: 1.2 Spectral-based models 1.2.1 Spectral Network 1.2.2 ChebNet(2016) 1. ...
- MNL——多项Logit模型学习笔记(二)
本节将会通过案例举例,介绍Logit模型的建模思路和过程 内容为摘抄他人学习资料的个人学习笔记,如有侵权则删 1.正确打开/解读Logit模型系数的方式 本节的具体内容在笔记里不详细表示了,大家在软件 ...
- 分类模型 · 学习笔记一
文章目录 分类模型 分类算法一:逻辑回归 一.直接采用线性概率模型是否可行? 二.模型的构建 1. 两点分布(伯努利分布) 2. 那么连接函数 F ( x , β ) F(x,\beta) F(x,β ...
最新文章
- ajax的auto是true,一个AJAX自动完成功能的js封装源码[支持中文]
- 浅谈进程同步和互斥的概念
- 京东AI战略宏图展现 不枉挖来这么多AI大牛
- mysql用法之创建事件
- 《精通Python网络爬虫:核心技术、框架与项目实战》——1.3 网络爬虫的组成...
- 斯坦福CS231n项目实战(四):浅层神经网络
- ThinkPHP框架整合phpqrcode生成二维码DEMO
- php怎么解析xml,使用PHP快速解析复杂的XML文件
- Linux系统下与终端相关的命令
- python源程序执行_Python源程序(.py)转换为可执行文件(.exe)
- SpringAOP中的JointPoint和ProceedingJoinPoint使用详解(附带详细示例)
- 篮球计时计分器c语言程序,C51的篮球计时计分器程序
- OpenGL项目配置GLFW及GLAD
- 越狱Season 1-Episode 9: Tweener
- Activiti 从入门到精通
- 医学图像分割常用的评价指标
- Android加载PDF文档
- Re:从零开始的Spring Security Oauth2(二)
- 项目经理的职业规划,建议收藏
- 第六天 02.mysql数据库的基本操作和密码爆破
热门文章
- 愿你是那天上星,永远闪耀照亮夜空——50行Python代码绘制满天星
- ffmpeg命令 拉流
- Xcode5.1默认使用ARC,如何关闭ARC
- OpenCV OCR实战 文档扫描与文字检测
- Numerical Optimization之Nonlinear Equations
- java+uniapp苹果内购
- g6的minimap中的配置_GitHub - OXOYO/X-Flowchart-Vue at 26e6bbefb15e75e91d98e2a7566e6567edb34a1e
- 投资理财-持有建设的思考
- HTML入门零基础教程(二)
- 详解MOS管阈值电压与沟长和沟宽的关系及影响阈值电压的因素