深度學習中的結構化概率模型

深度學習中的結構化概率模型 結構化概率模型也稱爲圖模型。 一，非結構化建模的挑戰 概率模型可以完成很多任務，例如： 估計密度函數 去噪 缺失值的填補 採樣 對上千甚至上百萬的隨機變量的分佈建模，無論從計算上還是統計意義上來說，都是一個極具挑戰性的任務。 非結構化建模的主要挑戰在於參數的數量是巨大的，這會導致： 內存：存儲參數的開銷太大。 統計的高效性：容易過擬合，因爲數據量不夠，所以需要一些平滑方

>>阅读原文<<