Libro · 1998 · M.I. Jordan

Learning in Graphical Models

10,0/10 su GOOGLE_BOOKS (1 voti)

Negli ultimi dieci anni, diverse comunità di ricerca all'interno delle scienze computazionali hanno studiato l'apprendimento nelle reti, partendo da vari punti di vista. Ci sono stati progressi sostanziali in queste diverse comunità e si è sviluppata una sorprendente convergenza tra i formalismi. La consapevolezza di questa convergenza e il crescente interesse dei ricercatori a comprendere l'unità essenziale dell'argomento sono alla base del volume attuale. Due comunità di ricerca che hanno utilizzato formalismi grafici o di rete con particolare vantaggio sono la comunità delle reti di credenza e la comunità delle reti neurali. Le reti di credenza sono emerse all'interno dell'informatica e della statistica e sono state sviluppate con un'enfasi sulla conoscenza pregressa e sui calcoli probabilistici esatti. Le reti neurali sono nate nell'ingegneria elettrica, nella fisica e nelle neuroscienze e hanno enfatizzato il riconoscimento dei modelli e i problemi di modellazione dei sistemi. Questo volume riunisce ricercatori di queste due comunità e presenta entrambi i tipi di reti come istanze di un formalismo grafico unificato generale. Il libro si concentra su metodi probabilistici per l'apprendimento e l'inferenza nei modelli grafici, analisi e progettazione degli algoritmi, teoria e applicazioni. Vengono discussi in dettaglio metodi esatti, metodi di campionamento e metodi variationali. Pubblico: Un ampio campione di ricercatori orientati alla computazione, inclusi informatici, statistici, ingegneri elettrici, fisici e neuroscienziati.