Concept
Factor graph
Séances de cours associées (24)
Modèles graphiques : Distribution de probabilités conjointes
Couvre le concept de modèles graphiques et de distributions de probabilités conjointes.
Modèles graphiques : distributions de probabilités et graphiques factoriels
Couvre les modèles graphiques pour les distributions de probabilité et la représentation des graphiques factoriels.
Propagation de la croyance
Explore la propagation de la croyance dans les modèles graphiques, les graphiques de facteurs, les exemples de verre de spin, les distributions de Boltzmann et les propriétés de coloration des graphiques.
Modèles graphiques : Représentation des distributions probabilistes
Couvre les modèles graphiques pour les distributions probabilistes à l'aide de graphiques, de nœuds et de bords.
Propagation de la croyance : méthodes clés et analyse
Couvre la propagation de la croyance, une méthode clé pour l'analyse et l'algorithme.
Algorithmes de descente aux gradients bruyants
Explore les algorithmes de descente de gradient bruyants et leurs performances dans les problèmes d'optimisation de grande dimension.
Modèles graphiques : Inférence et graphiques de facteurs
Explore les modèles graphiques, les graphiques de facteurs et les inférences probabilistes dans les systèmes complexes.
Modèle d'émission aléatoire du champ sur les graphiques
Explore le modèle d'émission aléatoire du champ sur des graphiques aléatoires, en discutant des mises à jour de la propagation des croyances et de la dynamique des populations.
Machine de comité: approche de physique statistique
Explore les variables cachées, les modèles graphiques et les lacunes de calcul dans l'apprentissage en réseau neuronal.
Traitement des données du réseau
Explore la gestion des données du réseau, y compris les types de graphiques, les propriétés du réseau dans le monde réel et la mesure de l'importance des nœuds.