Bu referans belirtilen kataloğu tanımlar. Güncel teklifi ve başlangıç için geçerli koşulları doğrulamak üzere kuruma başvurun.
Açıklama
Olasılıksal Grafik Modeller ve Sinirsel Üretici Modeller Üretici modellerin teorik temellerine ve bunların tahmin, bilgi keşfi ve yaratıcı tasarım uygulamalarına giriş. Gizli Markov modelleri, karışım modelleri ve gizli Dirichlet dağılımı gibi geleneksel olasılıksal grafik modellerde (OGM) öğrenme ve çıkarım temelleri. Markov rastgele alanları ve Boltzmann makinelerinin varyantları dahil yönsüz sinirsel üretici modeller (NGM'ler). Helmholtz makineleri ve derin inanç ağları, varyasyonel otoenkoderler ve üretici çekişmeli ağlar dahil yönlendirilmiş NGM'ler.
Kaynak metin orijinal dilinde
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.
Kaynaklar ve referanslar
Tarih ve kaynaklar bilgileri doğrulamanıza yardımcı olmak için saklanır. Okumayı kolaylaştırmak için çeviriler sunulmuştur; koşullar ve gereksinimler için resmi kaynak esas alınır.
Kaynak referans : https://brocku.ca/webcal/2024/graduate/cosc.html