이 참고자료는 표시된 카탈로그를 설명합니다. 최신 제공 및 적용 조건은 입학 전에 기관에 확인하세요.
설명
확률적 그래픽 모델 및 신경 생성 모델 생성 모델의 이론적 기초와 예측, 지식 발견, 창의적 설계에서의 응용 소개. 숨겨진 마르코프 모델, 혼합 모델, 잠재 디리클레 할당과 같은 전통적 PGM의 기초, 학습 및 추론. 마르코프 랜덤 필드 및 볼츠만 머신 변형을 포함한 무향 신경 생성 모델(NGM). 헬름홀츠 머신과 딥 빌리프 네트, 변분 오토인코더, 생성적 적대 신경망을 포함한 유향 NGM.
원문 참조 텍스트
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.
출처 및 참고문헌
날짜와 출처는 정보를 확인하는 데 도움이 되도록 보관됩니다. 번역은 읽기 편의를 위해 제공되며 조건과 요건은 공식 출처가 기준입니다.
출처 참조 : https://brocku.ca/webcal/2024/graduate/cosc.html