概率圖模型基礎(7)——無向圖模型（馬爾可夫隨機場-基本概念）

文章目錄 1. 引言 2. 參數化 2.1 示例 2.2 因子 2.2.1 因子的實際意義 2.2.2 打破詛咒的方法 3. 吉布斯分佈 3.1 吉布斯分佈定義 4 無向圖模型(馬爾可夫網) 4.1 定義 4.2 團 4.3 馬爾可夫隨機場(Markov Random Field, MRF) 4.3.1 MRF中的聯合概率 4.3.2 另一種表示方法——對數 4.3.3 MRF中的獨立性 5 Ma

>>阅读原文<<