神经网络高斯过程
神经网络高斯过程（，简称) 是一种特殊的高斯过程，可以看作一类特定人工神经网络序列的极限。具体而言，当多种神经网络架构的宽度趋于无穷时，其函数分布会收敛到一个高斯过程。 背景 贝叶斯网络是一种建模工具，它通过为事件分配概，来量化模型预测中的不确定性。深度学习和人工神经网络则是机器学习中的主流方法，用于构建能从训练样本中学习的计算模型。贝叶斯神经网络则将二者相融合，是一种参数与预测都具有概率性的神经网络。标准的神经网络常会对错误的预测赋予…
标签：#貝氏網路
共 3 篇文章
貝氏網路
貝氏網路（Bayesian network），又稱信念網絡（belief network）或是有向無環圖模型（directed acyclic graphical model），是一種機率圖型模型，藉由有向無環圖（directed acyclic graphs, or DAGs）中得知一組隨機變數\left\{ X_1,X_2,...,X_n\right\}及其n組條件機率分配（conditional probability distr…
潜变量
在统计学中，潜变量，或称隐变量，潜在变量，与观测变量相对，指的是不可观测的随机变量。潜变量可以通过使用数学模型依据观测得的数据被推断出来。用潜在变量解释观测变量的数学模型称为潜变量模型。 潜变量模型用于许多学科，包括心理学，人口学，经济学，工程学，医学，物理学，机器学习/人工智能，生物信息学，自然语言处理，计量经济学，管理和社会科学。 有些情况下，潜变量和现实中的一些因素是有关系的。测量这些因素理论上可行，实际上却很困难。这些情况里通常…