1. Задачи со структурными ограничениями. Условная независимость случайных величин. Понятие байесовской и марковской сети. Основные задачи при анализе байесовских и марковских сетей. Примеры использования.
2. Интерфейс передачи сообщений в марковских сетях. Поиск наиболее вероятной конфигурации на дереве. Подсчет мин-маргиналов.
3. Скрытые марковские модели. Примеры использования. Обучение с учителем. Алгоритм Витерби.
4. Интерфейс передачи сообщений в марковских сетях. Подсчет нормировочной константы и поиск маргинальных распределений на дереве.
5. Помехоустойчивое кодирование, теорема Шеннона, линейные коды, коды с малой плотностью проверок на чётность.
6. Скрытые марковские модели. Алгоритм «вперед-назад». Обучение без учителя с помощью ЕМ-алгоритма.
7. Линейные динамические системы. Фильтр Калмана. Решение задачи трекинга объекта. Обучение ЛДС с учителем и без учителя. Расширенный фильтр Калмана.
8. Разрезы в графах. Сведение задачи минимизации энергии в MRF с бинарными переменными к поиску разреза в графе.
9. ЛП-релаксация задачи поиска наиболее вероятной конфигурации марковской сети, её свойства. Двойственное разложение, алгоритм TRW приближенного вывода в графических моделях с циклами, его свойства.
10.Подход Expectation Propagation для приближённого вывода в графических моделях.
11.Модель TrueSkill для оценки рейтинга игроков. Вывод в модели с помощью EP.
12.Глубокий фильтр Калмана.
13.Обучение графических моделей: структурный метод опорных векторов и метод максимального правдоподобия. Решение задачи распознавания текста на картинке.
14.Вариационная передача сообщений. Схема Гиббса как алгоритм передачи сообщений.
15.Метод Importance sampling для оценивания вероятностных интегралов. Фильтр частиц. Примеры применения.
16.Линейные динамические системы. Фильтр Калмана. Решение задачи трекинга объекта. Обучение ЛДС с учителем и без учителя.
17.Структурный метод опорных векторов. Обучение SSVM с помощью стохастического субградиентного спуска.
18. Парные марковские сети. Распределение Гиббса, модели Изинга.
19.Независимости в марковских сетях. Совершенные сети .
20.Поиск активных d-цепей в байесовской сети.
21.Вероятностные графические модели. Наивная байесовская модель.
22.Структуры байесовских и марковских моделей. Вывод в байесовских и марковских сетях.
23.Алгоритм кликового дерева для точного вероятностного вывода. Метод удаления переменных.
Прикрепленные файлы: |
|
|---|---|
|
Администрация сайта не рекомендует использовать бесплатные работы для сдачи преподавателю. Эти работы могут не пройти проверку на уникальность. Узнайте стоимость уникальной работы, заполните форму ниже: Узнать стоимость |
|
Скачать файлы: |
|
|
|