Esta referencia describe el catálogo indicado. Consulte con la institución para confirmar la oferta actual y las condiciones aplicables a su ingreso.
Descripción
Modelos gráficos probabilísticos y modelos generativos neuronales Introducción a las bases teóricas de los modelos generativos y sus aplicaciones en predicción, descubrimiento de conocimiento y diseño creativo. Fundamentos de modelos gráficos probabilísticos (PGMs), aprendizaje e inferencia en PGMs tradicionales como modelos ocultos de Markov, modelos de mezcla y asignación latente de Dirichlet. Modelos generativos neuronales no dirigidos (NGMs), incluyendo campos aleatorios de Markov y variantes de máquinas de Boltzmann. NGMs dirigidos, incluyendo máquinas de Helmholtz y redes de creencias profundas, autoencoders variacionales y redes generativas antagónicas.
Texto de referencia en su idioma de origen
Probabilistic Graphical Models and Neural Generative Models Introduction to the theoretical foundations of generative models and their applications in prediction, knowledge discovery, and creative design. Foundations of probabilistic graphical models (PGMs), learning, and inference in traditional PGMs such as hidden Markov models, mixture models, and latent Dirichlet allocation. Undirected neural generative models (NGMs), including Markov random fields, and variants of Boltzmann machines. Directed NGMs, including Helmholtz machines and deep belief nets, variational autoencoders, and generative adversarial networks.
Fuentes y referencias
Se conservan las fechas y las fuentes para ayudarle a verificar la información. Las traducciones se proponen para facilitar la lectura; la fuente oficial es la referencia para las condiciones y los requisitos.
Referencia de la fuente : https://brocku.ca/webcal/2024/graduate/cosc.html