已閱讀1頁，還剩38頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、變分推理應(yīng)用變分迭代計(jì)算出隨機(jī)變量的近似期望值,是現(xiàn)代人工智能學(xué)科一種重要的近似概率推理方法。由于隨著變分迭代次數(shù)的增加,變分迭代過程涉及到的變量越來越多,但新增變量對精度影響較小,故近期發(fā)展出不完全迭代的近似變分推理方法。本文研究Gaussian馬爾可夫隨機(jī)場模型的不完全迭代近似變分推理方法,計(jì)算出變量期望的精確下界,主要工作包括:
1.定義了Gaussian馬爾可夫隨機(jī)場模型的Gaussian拆環(huán)樹的概念,可形式表示G
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于全變分模型的圖像分割方法及其算法.pdf
- 即時(shí)通信系統(tǒng)拓?fù)浣＜跋鞑ツＰ脱芯?pdf
- 圖像擴(kuò)散的變分方法.pdf
- 在線社交網(wǎng)絡(luò)的動(dòng)態(tài)消息傳播模型研究與應(yīng)用.pdf
- 基于SOM空間縮減的變精度近似建模方法研究.pdf
- 變指數(shù)變分乘性去噪模型的研究.pdf
- 基于變分方法的網(wǎng)格處理.pdf
- 基于NURBS近似模型的全局優(yōu)化方法研究.pdf
- 現(xiàn)代投資組合模型的變分討論.pdf
- 基于變分和小波的原對偶混合模型恢復(fù)方法.pdf
- 基于近似模型的汽車輕量化優(yōu)化設(shè)計(jì)方法.pdf
- 基于近似模型技術(shù)的約束系統(tǒng)優(yōu)化設(shè)計(jì)方法.pdf
- 基于Kriging模型的全局近似與仿真優(yōu)化方法.pdf
- 圖像分割的變分模型及數(shù)值實(shí)現(xiàn).pdf
- 變分PDE Mumford-Shah分割模型研究.pdf
- 求解變分包含問題的近近點(diǎn)算法和近似束方法.pdf
- 基于變分方法的圖像恢復(fù)研究.pdf
- 圖像分割的變分模型與數(shù)值計(jì)算.pdf
- 噪聲圖像分割的凸松弛變分模型.pdf
- 組合近似模型預(yù)測設(shè)計(jì)方法及應(yīng)用研究.pdf
評論
0/150
提交評論