この参照は示されたカタログの記述です。最新の提供状況や入学条件については機関に確認してください。
説明
確率的グラフィカルモデルとニューラル生成モデル 生成モデルの理論的基礎と予測、知識発見、創造的設計への応用の導入。確率的グラフィカルモデル（PGM）の基礎、学習、および隠れマルコフモデル、混合モデル、潜在ディリクレ配分などの従来のPGMにおける推論。マルコフ確率場やボルツマンマシンの変種を含む無向ニューラル生成モデル（NGM）。ヘルムホルツマシンや深層信念ネット、変分オートエンコーダ、敵対的生成ネットワークを含む有向NGM。
原語による参照テキスト
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.
出典と参照
日付と出典は、情報を確認する際の参考のために保持されています。翻訳は読みやすくするための提案であり、条件や要件については公式の出典が基準となります。
出典の参照 : https://brocku.ca/webcal/2024/graduate/cosc.html