Глоссарий ИИ
Полный словарь искусственного интеллекта
Байесовские сети
Направленные графические модели, представляющие условные зависимости между переменными с помощью условных вероятностей.
Случайные поля Маркова
Неориентированные графические модели, захватывающие симметричные зависимости между переменными через локальные потенциалы.
Скрытые марковские модели
Стохастические последовательные модели, в которых скрытые состояния следуют цепи Маркова и генерируют наблюдения.
Сети доверия
Расширения байесовских сетей с дискретными и непрерывными переменными, использующие таблицы условных вероятностей.
Условные Случайные Модели
Дискриминативные неориентированные модели для структурированного прогнозирования, обусловленные наблюдениями.
Машины Больцмана
Ненаправленные стохастические нейронные сети, используемые для обучения представлений и выборки.
Точное заключение
Алгоритмы, вычисляющие точные распределения вероятностей в графических моделях путем исключения переменных или передачи сообщений.
Приблизительный вывод
Методы аппроксимации, такие как MCMC и выборка, для вывода в сложных графических моделях.
Параметрическое обучение
Оценка параметров условной вероятности в графических моделях на основе наблюдаемых данных.
Структурное обучение
Автоматическое определение структуры графа (рёбер и узлов) на основе данных.
Динамические Графовые Модели
Временное расширение графовых моделей, захватывающее эволюционирующие зависимости между переменными с течением времени.
Факторные модели
Компактное представление распределений вероятностей через факторизацию на мультипликативные локальные термины.