概率图模型资源整合

  本博客中概率图模型(Probabilistic Graphical Model)系列笔记以 Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 为主线,结合资料(每篇博文脚注都附有链接)加以补充. 为便于对照课程查阅,博文的章节编号与课程视频编号一致. 博文持续更新(点击这里见系列笔记目录页),丰富课程资源见 PGM(概率图模型)Coursera: 课程资源分享和简介.

课程内容

  概率图模型的表示刻画了模型的随机变量在变量层面的依赖关系, 反映出问题的概率结构以及推理的难易程度, 也为推理算法提供了可以操作的数据结构. 概率图模型的表示方法有多种比如常见贝叶斯网络、马尔可夫网络、因子图等.
  
  Stanford 教授 Daphne Koller 的公开课 Probabilistic Graphical Model 可在 Coursera 上学习,并且配有编程作业. 该课程主要包括了1:

  1. 贝叶斯网络及马尔可夫网络的概率图模型表示及变形。
  2. Reasoning 及 Inference 方法,包括exact inference(variable elimination, clique trees) 和 approximate inference (belief propagation message passing, Markov chain Monte Carlo methods)。
  3. 概率图模型中参数及结构的learning方法。
  4. 使用概率图模型进行统计决策建模。

课程资源

  • Coursera-Stanford-PGM 课程视频,提取码:dnva;

  • Coursera-Stanford-PGM 课程幻灯片slides,提取码:ogui;

  • Daphne Koller 教授的著作Probabilistic Graphical Models - Principles and Techniques,以及这本书王飞跃,韩素青的翻译版概率图模型 - 原理与技术;

  • An Introduction to Probabilistic Graphical Models - Jordan是一本不错的书籍,比Koller那本的厚度可是要轻量级不少;

  • 至于编程作业代码答案,csdn的资源库和github上均有,但是这个不该作为资源来分享……希望大家还是努力自己完成~自己走一遍才是真正的理解。

概率图模型综述

  • 【综述】(MIT博士)林达华老师-”概率模型与计算机视觉” , 讲透了概率图模型的历史和未来发展方向。以及这篇文章排版润色之后.

  • Freemind 的博文 Probabilistic Graphical Model.

  • 心怀畏惧 的博文 概率图模型简介 .

我的笔记目录页

  • 概率图模型(01): 概述 & 三种分布 (边缘 & 联合 & 条件)
  • 概率图模型(02)上: 贝叶斯网中独立关系(因子分解 & 影响流动)
  • 概率图模型(02)下: 贝叶斯网两等价观点(条件独立和因子分解)
  • 概率图模型(03): 模板模型(动态贝叶斯, 隐马尔可夫和 Plate 模型)
  • 概率图模型(05): 揭示局部概率结构, 稀疏化网络表示(Structured-CPDs)
  • 概率图模型(06): 概率图双重对偶视角 || 马尔可夫网 & 条件随机场及应用
  • 概率图模型(07): 从思路到模型(Knowledge Engineering)

Mark几篇博文

  • 总结性极强的干货课程笔记目录页,适合学完课程后整理复习和理解框架使用。

  • Stanford概率图模型(Probabilistic Graphical Model)— 第一讲 贝叶斯网络基础
    Stanford概率图模型(Probabilistic Graphical Model)— 第二讲 Template Models and Structured CPDs

  • 概率图模型(PGM)学习笔记(三)模式推断与概率图流
    概率图模型(PGM)学习笔记(四)贝叶斯网络-伯努利贝叶斯-多项式贝叶斯

  • 一个系列博文笔记目录页

你可能感兴趣的:(概率图模型,博客,视频)