机器学习里的贝叶斯基本理论、模型和算法
2017-04-04 朱军 中国人工智能学会通讯
本文转自中国人工智能学会通讯第3期,已获授权,特此感谢! 作者:清华大学计算机科学与技术系 朱军 副教授 非常感谢周老师给这个机会让我跟大家分享一下。我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法——贝叶斯方法。它是在机器学习和人工智能里比较经典的方法。 类似的报告我之前在CCF ADL 讲过,包括去年暑假周老师做学术主任在广州有过
本文转自中国人工智能学会通讯第3期,已获授权,特此感谢! 作者:清华大学计算机科学与技术系 朱军 副教授 非常感谢周老师给这个机会让我跟大家分享一下。我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法——贝叶斯方法。它是在机器学习和人工智能里比较经典的方法。 类似的报告我之前在CCF ADL 讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读。 这次分享主要包括三个部分: 第一部分:基本理论、模型和算法 贝叶斯方法基础 正则化贝叶斯推理和案例 第二部分:可扩展的贝叶斯方法 在线学习 分布式MCMC 第三部分:深度生成模型 第一部分:贝叶斯基础和正则化贝叶斯 贝叶斯方法概念是比较简单的,一般情况下我们做贝叶斯推理,用了一个核心的工具叫贝叶斯定理或者贝叶斯准则,实际上写出来就是这么一个简单的公式,大家学概率基本上都学过这个。公式里有几个基本的对象,我们用θ 描述模型的参数,这个
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
看不懂(#-.-)
105
#机器#
75
阅读了谢谢分享
116