蒂宾根大学《概率机器学习》课程(2020)

  • 名称:蒂宾根大学《概率机器学习》
  • 分类:人工智能  
  • 观看人数:加载中
  • 时间:2020/11/10 21:38:45

概率推理系统地应用于所有的推理问题,包括统计模型的推理参数,有时被称为贝叶斯方法。然而,这个词往往会引起非常强烈的反应(积极或消极,取决于你问谁),所以我们更喜欢中性的术语“概率方法”。此外,我们将经常使用最大似然估计等技术,它们不是贝叶斯方法,但肯定属于概率范式。

一、EM算法的基础和贝叶斯基础

  1)EM算法的基本原理和推导

  2)EM算法的基本应用,k-means和高斯混合模型

二、隐马可夫和条件随机场

  1)隐马(HMM)的基于原理和对应的三个问题及其解法

  2)最大熵模型

  3)条件随机场

三、话题模型

    话题

四、其它

  1)采样

  2)变化

  3) 卡尔曼滤波器

  4) 粒子滤波

  5)非参数贝叶斯