更改

添加38字节 、 2021年3月5日 (五) 23:26
无编辑摘要
第7行: 第7行:  
[[File:Graph model.svg|thumb|right|这是一个图模型的例子。每个箭头表示一个依赖关系。在这个例子中: D 依赖于 A、 B 和 C; C 依赖于 B 和 D; 而 A 和 B 相互独立。]]
 
[[File:Graph model.svg|thumb|right|这是一个图模型的例子。每个箭头表示一个依赖关系。在这个例子中: D 依赖于 A、 B 和 C; C 依赖于 B 和 D; 而 A 和 B 相互独立。]]
   −
常用的概率图模型大致分为两类:贝叶斯网络(Bayesian network, BN)和马尔可夫网络(Markovnetwork, MN)或者称为马尔可夫随机场。概率图理论共分为三个部分,分别为概率图模型表示理论,概率图模型推理理论和概率图模型学习理论。<ref>刘建伟,黎海恩,罗雄麟.[http://www.aas.net.cn/fileZDHXB/journal/article/zdhxb/2014/6/PDF/2014-6-1025.pdf 概率图模型学习技术研究进展[J]].自动化学报 , 2014 , 40 (6) :1025-1044</ref>
+
常用的概率图模型大致分为两类:贝叶斯网络(Bayesian network, BN)和马尔可夫网络(Markovnetwork, MN)或者称为马尔可夫随机场。概率图理论共分为三个部分,分别为概率图模型表示理论,概率图模型推理理论和概率图模型学习理论。<ref name = 刘建伟>刘建伟,黎海恩,罗雄麟.[http://www.aas.net.cn/fileZDHXB/journal/article/zdhxb/2014/6/PDF/2014-6-1025.pdf 概率图模型学习技术研究进展J].自动化学报 , 2014 , 40 (6) :1025-1044</ref>
    
其中:
 
其中:
第81行: 第81行:       −
由于概率图模型的表示分参数表示和结构表示两个部分, 因此学习算法也分为参数学习与结构学习两大类。
+
由于概率图模型的表示分参数表示和结构表示两个部分, 因此学习算法也分为参数学习与结构学习两大类。</ref name = 刘建伟>
    
===贝叶斯网络模型学习 ===
 
===贝叶斯网络模型学习 ===