文献类型：期刊文章

作　　者：张宏毅[1,2] 王立威[1,2] 陈瑜希[1,2]

机构地区：[1]机器感知与智能教育部重点实验室(北京大学),北京100871 [2]北京大学信息科学技术学院智能科学系,北京100871

出　　处：《软件学报》

基　　金：国家自然科学基金(61222307;61075003)

年　　份：2013

卷　　号：24

期　　号：11

起止页码：2476-2497

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20140117166601)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：概率图模型作为一类有力的工具,能够简洁地表示复杂的概率分布,有效地(近似)计算边缘分布和条件分布,方便地学习概率模型中的参数和超参数.因此,它作为一种处理不确定性的形式化方法,被广泛应用于需要进行自动的概率推理的场合,例如计算机视觉、自然语言处理.回顾了有关概率图模型的表示、推理和学习的基本概念和主要结果,并详细介绍了这些方法在两种重要的概率模型中的应用.还回顾了在加速经典近似推理算法方面的新进展.最后讨论了相关方向的研究前景.

关 键 词：概率图模型 概率推理  机器学习  

分 类 号：TP181]