آموزش مدل‌های گرافیکی احتمالی ۲: استنتاج - آخرین آپدیت

دانلود Probabilistic Graphical Models 2: Inference

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مدل‌های گرافیکی احتمالی (PGMs) چارچوبی جامع برای کدگذاری توزیع‌های احتمالی در دامنه‌های پیچیده هستند: توزیع‌های مشترک (چند متغیره) بر روی تعداد زیادی از متغیرهای تصادفی که با یکدیگر تعامل دارند. این نمایش‌ها در نقطه تلاقی آمار و علوم کامپیوتر قرار دارند و بر مفاهیمی از تئوری احتمال، الگوریتم‌های گراف، یادگیری ماشین و موارد دیگر تکیه می‌کنند. این مدل‌ها پایه و اساس روش‌های پیشرفته در طیف گسترده‌ای از کاربردها مانند تشخیص پزشکی، درک تصویر، تشخیص گفتار، پردازش زبان طبیعی و بسیاری موارد دیگر هستند. همچنین، آن‌ها ابزاری بنیادی در فرمول‌بندی بسیاری از مسائل یادگیری ماشین محسوب می‌شوند. این دوره، دومین بخش از یک سری سه گانه است. پس از دوره اول که بر روی نمایش (Representation) تمرکز داشت، این دوره به مسئله استنتاج احتمالی می‌پردازد: اینکه چگونه می‌توان از یک PGM برای پاسخ به سوالات استفاده کرد. اگرچه یک PGM معمولاً توزیعی با ابعاد بسیار بالا را توصیف می‌کند، اما ساختار آن به گونه‌ای طراحی شده است که اجازه می‌دهد سوالات به طور بهینه و کارآمد پاسخ داده شوند. این دوره هر دو نوع الگوریتم‌های دقیق (Exact) و تقریبی (Approximate) را برای انواع مختلف وظایف استنتاج ارائه می‌دهد و در مورد بهترین کاربرد هر یک بحث می‌کند. مسیر تخصصی (که به شدت توصیه می‌شود) شامل دو تکلیف برنامه‌نویسی عملی است که در آن روتین‌های کلیدی رایج‌ترین الگوریتم‌های دقیق و تقریبی پیاده‌سازی شده و بر روی یک مسئله واقعی اعمال می‌شوند.

سرفصل ها و درس ها

مرور کلی استنتاج Inference Overview

  • مرور کلی: پرس‌وجوهای احتمال شرطی Overview: Conditional Probability Queries

  • مرور کلی: استنتاج MAP Overview: MAP Inference

حذف متغیر Variable Elimination

  • الگوریتم حذف متغیر Variable Elimination Algorithm

  • پیچیدگی حذف متغیر Complexity of Variable Elimination

  • دیدگاه مبتنی بر گراف در حذف متغیر Graph-Based Perspective on Variable Elimination

  • یافتن ترتیب‌های حذف Finding Elimination Orderings

الگوریتم‌های انتشار باور Belief Propagation Algorithms

  • الگوریتم انتشار باور Belief Propagation Algorithm

  • ویژگی‌های گراف‌های خوشه‌ای Properties of Cluster Graphs

  • ویژگی‌های انتشار باور Properties of Belief Propagation

  • الگوریتم درخت کلیک: صحت Clique Tree Algorithm - Correctness

  • الگوریتم درخت کلیک: محاسبات Clique Tree Algorithm - Computation

  • درخت‌های کلیک و استقلال Clique Trees and Independence

  • درخت‌های کلیک و حذف متغیر Clique Trees and VE

  • انتشار باور در عمل BP In Practice

  • انتشار باور حلقوی و رمزگشایی پیام Loopy BP and Message Decoding

الگوریتم‌های MAP MAP Algorithms

  • انتقال پیام مجموع بیشینه (Max Sum) Max Sum Message Passing

  • یافتن یک تخصیص MAP Finding a MAP Assignment

  • مسائل MAP قابل حل Tractable MAP Problems

  • تجزیه دوگانه: شهود Dual Decomposition - Intuition

  • تجزیه دوگانه: الگوریتم Dual Decomposition - Algorithm

روش‌های نمونه‌برداری Sampling Methods

  • نمونه‌برداری ساده Simple Sampling

  • مونت کارلو زنجیره مارکوف (MCMC) Markov Chain Monte Carlo

  • استفاده از زنجیره مارکوف Using a Markov Chain

  • نمونه‌برداری گیبز Gibbs Sampling

  • الگوریتم متروپولیس-هستینگز Metropolis Hastings Algorithm

استنتاج در مدل‌های زمانی Inference in Temporal Models

  • استنتاج در مدل‌های زمانی Inference in Temporal Models

خلاصه استنتاج Inference Summary

  • استنتاج: خلاصه نهایی Inference: Summary

نمایش نظرات

آموزش مدل‌های گرافیکی احتمالی ۲: استنتاج
جزییات دوره
38h 1m
27
(آخرین آپدیت)
26,851
4.8 از 5
دارد
دارد
دارد
Daphne Koller
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar