Данная справка описывает указанный каталог. Обратитесь в учреждение, чтобы подтвердить актуальное предложение и условия, применимые к вашему началу обучения.
Описание
Вероятностные графические модели и нейронные генеративные модели Введение в теоретические основы генеративных моделей и их применения в предсказании, обнаружении знаний и творческом дизайне. Основы вероятностных графических моделей (PGM), обучение и вывод в традиционных PGM, таких как скрытые марковские модели, модели смесей и латентное распределение Дирихле. Ненаправленные нейронные генеративные модели (NGM), включая марковские случайные поля и варианты машин Больцмана. Направленные NGM, включая Helmholtz-машины и глубокие сети убеждений, вариационные автокодировщики и генеративные состязательные сети.
Текст источника на языке оригинала
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.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://brocku.ca/webcal/2024/graduate/cosc.html