Esta referência descreve o catálogo indicado. Consulte a instituição para confirmar a oferta atual e as condições aplicáveis ao seu ano de ingresso.
Descrição
Modelos Gráficos Probabilísticos e Modelos Gerativos Neurais Introdução aos fundamentos teóricos de modelos gerativos e suas aplicações em predição, descoberta de conhecimento e design criativo. Fundamentos de modelos gráficos probabilísticos (PGMs), aprendizado e inferência em PGMs tradicionais como modelos ocultos de Markov, modelos de mistura e latent Dirichlet allocation. Modelos gerativos neurais (NGMs) não direcionados, incluindo campos aleatórios de Markov e variantes de máquinas de Boltzmann. NGMs direcionados, incluindo máquinas de Helmholtz e deep belief nets, autoencoders variacionais e redes gerativas adversariais.
Texto de referência na sua língua de origem
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.
Fontes e referências
As datas e as fontes são mantidas para ajudá-lo a verificar os dados. As traduções são propostas para facilitar a leitura; a fonte oficial é a referência para condições e exigências.
Fonte de referência : https://brocku.ca/webcal/2024/graduate/cosc.html