[关闭]
@liuruicai 2017-05-12T16:09:05.000000Z 字数 805 阅读 1126

深度学习 与 概率图模型

AI Learn


CMU博士、MIT博士后及vision.ai联合创始人Tomasz Malisiewicz

人工智能领域三大范式

  1. 逻辑学
  2. 概率方法
  3. 深度学习
    的演变历程

概率方法:

深度学习

强调了如今那些成功的机器学习算法中的网络架构。这些方法都是基于包含很多隐藏层的“深”多层神经网络

我真的十分好奇Yann究竟是如何早在1998年就把他的深度模型折腾出一些东西。毫不奇怪,我们大伙儿还得再花十年来消化这些内容。

两者结合

MIT的deep learning书中part 3从Chap 16 - 20的内容,介绍的都是如何把概率图模型的方法应用在deep learning上。 附上书的链接web版: Deep Learning, github上整合得pdf文件:GitHub - HFTrader/DeepLearningBook: MIT Deep Learning Book in PDF format.

deep learning也是一种图模型,有向图。
其实个人觉得还是bayesian有前途。
推荐bayesian的原因是,这玩意即可以和dl结合作为研究热点,本身坑又多,你看搞MCMC的有几篇,搞VI的文章也有几篇,研究高斯过程的还有,不算这些,直接带bayesian字样的就有十篇嘛

选图模型,深度学习根本不难,就是堆硬件。
概率图直接解释事物本质联系,完爆深度学习。
就目前来说,图模型在理论成熟程度上更好一点,深度学习理论并不深,更多是工程方面的trick与启发性的idea

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注