Denne referansen beskriver den angitte katalogen. Kontakt institusjonen for å bekrefte gjeldende tilbud og betingelser som gjelder for din start.
Beskrivelse
Sannsynlige grafiske modeller og nevrale generative modeller Innføring i de teoretiske grunnlagene for generative modeller og deres anvendelser i prediksjon, kunnskapsoppdagelse og kreativ design. Grunnlagene for sannsynlige grafiske modeller (PGM), læring og inferens i tradisjonelle PGM som skjulte Markov-modeller, blandingsmodeller og latent Dirichlet-allokering. Urettede nevrale generative modeller (NGM), inkludert Markov-randomfelt og varianter av Boltzmann-maskiner. Rettede NGM, inkludert Helmholtz-maskiner og deep belief nets, variasjonelle autoenkodere og generative adversarial networks.
Referansetekst i originalspråket
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.
Kilder og referanser
Datoer og kilder beholdes for å hjelpe deg å verifisere opplysningene. Oversettelsene tilbys for å lette lesing; den offisielle kilden er referansen for krav og betingelser.
Kildereferanse : https://brocku.ca/webcal/2024/graduate/cosc.html