更改

删除453字节 、 2021年3月5日 (五) 22:30
第51行: 第51行:  
===马尔可夫随机场===
 
===马尔可夫随机场===
   −
如果模型的网络结构是无向图,则模型表示所有团的联合概率的因式分解。更确切地说,如果<math> \phi_k</math>是第<math> k</math>个团的因子,那么联合概率满足:
+
如果模型的网络结构是无向图,则模型表示所有团的联合概率的因式分解。更确切地说,如果<math>x_{ \{ k \}} </math>是随机变量<math>x</math>在第''k''个团的状态(<math>|c_k|</math>是在第''k''个团中包含的节点数),那么联合概率满足:
    
<math> P(X=x) = \frac{1}{Z} \prod_{k} f_k (x_{ \{ k \}}) </math>
 
<math> P(X=x) = \frac{1}{Z} \prod_{k} f_k (x_{ \{ k \}}) </math>
   −
其中<math>x=x_{\{1\}}x_{\{2\}}x_{\{3\}}\cdots</math>是向量,<math>x_{ \{ k \}} = x_{\{k,1\}}x_{\{k,2\}}\cdots x_{\{k,|c_k|\}}</math>是随机变量<math>x</math>在第''k''个团的状态(<math>|c_k|</math>是在第''k''个团中包含的节点数。),乘积包括了图中的所有团。注意马尔可夫性质在团内的节点存在,在团之间是不存在依赖关系的。这里,<math>Z</math>是[[配分函数]],有
+
其中<math>Z</math>是[[配分函数]],有
    
:<math> Z = \sum_{x \isin \mathcal{X}} \prod_{k} f_k(x_{ \{ k \} })</math>.
 
:<math> Z = \sum_{x \isin \mathcal{X}} \prod_{k} f_k(x_{ \{ k \} })</math>.
   −
实际上,马尔可夫网联络经常表示为[[对数线性模型]]。通过引入特征函数<math>\phi_k</math>,得到
+
实际上,马尔可夫随机场经常表示为对数线性模型。通过引入特征函数<math>\phi_k</math>,得到
 
:<math>f_k=\exp \left(w_k^{\top} \phi_k (x_{ \{ k \}}) \right) </math>
 
:<math>f_k=\exp \left(w_k^{\top} \phi_k (x_{ \{ k \}}) \right) </math>
 
 
 
:<math> P(X=x) = \frac{1}{Z} \exp \left( \sum_{k} w_k^{\top} \phi_k (x_{ \{ k \}}) \right) </math>
 
:<math> P(X=x) = \frac{1}{Z} \exp \left( \sum_{k} w_k^{\top} \phi_k (x_{ \{ k \}}) \right) </math>
以及划分函数
+
以及配分函数
 
:<math> Z = \sum_{x \isin \mathcal{X}} \exp \left(\sum_{k} w_k^{\top}\phi_k(x_{ \{ k \} })\right)</math>。
 
:<math> Z = \sum_{x \isin \mathcal{X}} \exp \left(\sum_{k} w_k^{\top}\phi_k(x_{ \{ k \} })\right)</math>。
   −
其中,<math>w_k</math>是权重,<math>\phi_k</math>是势函数,映射团<math>k</math>到实数。这些函数有时亦称为'''吉布斯势''';术语''势''源于物理,通常从字面上理解为在临近位置产生的[[势能]]。
+
其中,<math>w_k</math>是权重,<math>\phi_k</math>是势函数,映射团<math>k</math>到实数。
 
  −
 
      
===其他类别===
 
===其他类别===