Probabilistic graphicalmodels：principles and applications

内容介绍

本书从工程的角度概述了概率图模型（PGMs）。书本涵盖了PGMs每种主要类别的基础知识，包括表示、推理和学习原则，并回顾了每种类型的模型在现实世界中的应用。这些应用来自广泛的学科，突出了贝叶斯分类器、隐马尔可夫模型、贝叶斯网络、动态和时间贝叶斯网络、马尔可夫随机场、影响图和马尔可夫决策过程的许多用途。本书特色：提出了包括PGMs所有主要类别的统一框架；介绍了不同技术的实际应用；该领域研究的发展，包括多维贝叶斯分类器、关系图模型和因果模型；每一章的末尾都附有练习、进一步阅读的建议和研究或编程项目的想法。

内容介绍

本书从工程的角度概述了概率图模型（PGMs）。书本涵盖了PGMs每种主要类别的基础知识，包括表示、推理和学习原则，并回顾了每种类型的模型在现实世界中的应用。这些应用来自广泛的学科，突出了贝叶斯分类器、隐马尔可夫模型、贝叶斯网络、动态和时间贝叶斯网络、马尔可夫随机场、影响图和马尔可夫决策过程的许多用途。本书特色：提出了包括PGMs所有主要类别的统一框架；介绍了不同技术的实际应用；该领域研究的发展，包括多维贝叶斯分类器、关系图模型和因果模型；每一章的末尾都附有练习、进一步阅读的建议和研究或编程项目的想法。

本书从工程的角度概述了概率图模型(PGMs)。书本涵盖了PGMs每种主要类别的基础知识，包括表示、推理和学习原则，并回顾了每种类型的模型在现实世界中的应用。这些应用来自广泛的学科，突出了贝叶斯分类器、隐马尔可夫模型、贝叶斯网络、动态和时间贝叶斯网络、马尔可夫随机场、影响图和马尔可夫决策过程的许多用途。本书特色：提出了包括PGMs所有主要类别的统一框架；介绍了不同技术的实际应用；该领域研究的最新发展，包括多维贝叶斯分类器、关系图模型和因果模型；每一章的末尾都附有练习、进一步阅读的建议和研究或编程项。