知识卡片

普通读书笔记卡 · 9900 · 生成模型:Hunyuan

难处理推断的根源

理解等级:初级

在含潜变量的概率模型里,推断指给定可见变量ν计算后验p(h|ν)或其期望,这是最大似然学习等任务必需的。单层模型如受限玻尔兹曼机、概率PCA的后验容易计算,但多层模型的后验被潜变量间的耦合缠绕:无向模型中的直接连接,或有向模型中共享可见子节点造成的“相消解释”。这些相互作用使精确推断需要指数量级时间,单层稀疏编码也因各隐藏单元两两共父而难处理。例外是概率PCA,它靠线性高斯且基向量正交的条件分布引入额外独立性,即便图结构相似仍能简单推断。要点:难处理性来自图结构导致的潜变量耦合,而非变量数目本身;特殊条件分布可化解这种耦合。

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

    • 第19章 近似推断 · 查看原书依据

      在深度学习中难以处理的推断问题通常源于结构化图模型中潜变量之间的相互作用。读者可以参考图19.1的几个例子。这些相互作用既可能是无向模型的直接相互作用,也可能是有向模型中同一个可见变量的共同祖先之间的“相消解释”作用。

    参考来源

    - 位置:《深度学习》第19章 近似推断(源文件:extracted/深度学习/_epub-src/text/part0006_split_001.html) - 结论依据:原文指出推断困难源于潜变量相互作用(无向直连或有向共父),并以概率PCA为例说明特殊条件分布可保留易处理性。 - 原始内容:在深度学习中难以处理的推断问题通常源于结构化图模型中潜变量之间的相互作用。读者可以参考图19.1的几个例子。这些相互作用既可能是无向模型的直接相互作用,也可能是有向模型中同一个可见变量的共同祖先之间的“相消解释”作用。