← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9897.c · 生成模型:Hunyuan

无向模型的团因子分解

理解等级:中级

无向模型(马尔可夫随机场、马尔可夫网络)用无向边表示对称的直接相互作用,适用于没有明确单向因果的场景,如你和室友、同事之间互相传染感冒。它的分解单位是团——图中全连接的结点子集;每个团配一个非负因子(团势能)φ,衡量该团各变量联合状态的密切程度,所有因子的乘积给出未归一化概率,密切度越高的状态概率越大。与贝叶斯网络不同,因子怎么乘在一起并不自动保证得到合法概率分布,还需归一化。这使无向模型的定义更宽松,也放大了变量定义域的作用:同一组因子放在不同定义域上可能给出完全不同的分布,甚至根本无法归一化,这是使用无向模型时必须牢记的边界。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习》第16章 深度学习中的结构化概率模型(源文件:extracted/深度学习/_epub-src/text/part0006_split_000.html) - 结论依据:原文以感冒传染为例说明双向作用适合无向建模,并把团与因子定义为衡量联合状态密切程度的非负函数。 - 原始内容:在这种情况下,你传染给你的室友和你的室友传染给你都是非常容易的,所以模型不存在一个明确的单向箭头。这启发我们使用无向模型。其中随机变量对应着图中的相互作用的结点。