设为首页收藏本站

NLP Code Studio

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 4937|回复: 16

概率图模型中文版发行时间-2015年5月

[复制链接]

该用户从未签到

600

主题

669

帖子

1万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
15398
发表于 2014-7-11 18:42:57 | 显示全部楼层 |阅读模式
最新消息:《概率图模型:原理与技术》--中文版购买地址:
亚马逊:
http://www.amazon.cn/%E6%A6%82%E ... E%E6%8A%80%E6%9C%AF
清华大学出版社:
http://www.tup.tsinghua.edu.cn/b ... 39921-01&DJ=198
《概率图模型:原理与技术》译者序
王飞跃


图书目录
致谢
插图目录

算法目录

专栏目录

1引言

1.1 动机

1.2 结构化概率模型

1.2.1 概率图模型

1.2.2 表示、推理、学习

1.3 概述和路线图

1.3.1 各章的概述

1.3.2 读者指南

1.3.3 与其他学科的联系

1.4 历史注记

2基础知识

2.1 概率论

2.1.1 概率分布

2.1.2 概率中的基本概念

2.1.3 随机变量与联合分布

2.1.4 独立性与条件独立性

2.1.5 查询一个分布

2.1.6 连续空间

2.1.7 期望与方差

2.2 图

2.2.1 节点与边

2.2.2 子图

2.2.3 路径与迹

2.2.4 圈与环

2.3 相关文献

2.4 练习

第Ⅰ部分

3贝叶斯网表示

3.1 独立性性质的利用

3.1.1 随机变量的独立性

3.1.2 条件参数化方法

3.1.3 朴素贝叶斯模型

3.2 贝叶斯网

3.2.1 学生示例回顾

3.2.2 贝叶斯网的基本独立性

3.2.3 图与分布

3.3 图中的独立性

3.3.1 d-分离

3.3.2 可靠性与完备性

3.3.3 d-分离算法

3.3.4 I-等价

3.4 从分布到图

3.4.1 最小I-Map

3.4.2 P-Map

3.4.3 发现P-Map*

3.5 小结

3.6 相关文献

3.7 习题

4无向图模型

4.1 误解示例

4.2 参数化

4.2.1 因子

4.2.2 吉布斯分布与马尔可夫网

4.2.3 简化的马尔可夫网

4.3 马尔可夫网的独立性

4.3.1 基本独立性

4.3.2 独立性回顾

4.3.3 从分布到图

4.4 参数化回顾

4.4.1 细粒度参数化方法

4.4.2 过参数化

4.5 贝叶斯网与马尔可夫网

4.5.1 从贝叶斯网到马尔可夫网

4.5.2 从马尔可夫网到贝叶斯网

4.5.3 弦图

4.5.4 I-等价

4.6 部分有向图

4.6.1 条件随机场

4.6.2 链图模型*

4.7 小结与讨论

4.8 相关文献

4.9 习题

5局部概率模型

5.1 CPD表

5.2 确定性CPD

5.2.1 表示

5.2.2 依赖性

5.3 上下文特定的CPD

5.3.1 表示

5.3.2 独立性

5.4 因果影响的独立性

5.4.1 noisy-or模型

5.4.2 广义线性模型

5.4.3 一般公式化表示

5.4.4 独立性

5.5 连续变量

5.5.1 混合模型

5.6 条件贝叶斯网

5.7 小结

5.8 相关文献

5.9 习题

6基于模板的表示

6.1 引言

6.2 时序模型

6.2.1 基本假设

6.2.2 动态贝叶斯网

6.2.3 状态观测模型

6.3 模板变量与模板因子

6.4 对象-关系领域的有向概率模型

6.4.1 plate 模型

6.4.2 概率关系模型

6.5 无向表示

6.6 结构不确定性*

6.6.1 关系不确定性

6.6.2 对象不确定性

6.7 小结

6.8 相关文献

6.9 习题

7高斯网络模型

7.1 多元高斯分布

7.2.1 基本参数化方法

7.2.2 高斯分布的运算

7.2.3 高斯分布的独立性

7.2 高斯贝叶斯网

7.3 高斯马尔可夫随机场

7.4 小结

7.5 相关文献

7.6 练习

8指数族

8.1 引言

8.2 指数族

8.2.1 线性指数族

8.3 因子化的指数族(factored exponential families)

8.3.1 积分布(product distributions)

8.3.2 贝叶斯网络

8.4 熵和相对熵

8.4.1 熵

8.4.2 相对熵

8.5 投影

8.5.1 比较

8.5.2 M-投影

8.5.3 I-投影

8.6 小结

8.7 相关文献

8.8 习题

第Ⅱ部分

9精确推理:变量消除

9.1 复杂性分析

9.1.1 精确推理分析

9.1.2 近似推理分析

9.2 变量消除:基本思路

9.3 变量消除

9.3.1 基本消除

9.3.2 证据处理

9.4 复杂性与图结构:变量消除

9.4.1 简单分析

9.4.2 图论分析

9.4.3 寻找消除排序*

9.5 条件作用*

9.5.1 条件作用算法

9.5.2 条件作用与变量消除

9.5.3 图论分析

9.5.4 改进的条件作用算法

9.6 用结构CPD 推理*

9.6.1 因果影响的独立性

9.6.2 上下文特定的独立性

9.6.3 讨论

9.7 小结与讨论

9.8 相关文献

9.9习题

10精确推理:团树

10.1 变量消除与团树

10.1.1 聚类图

10.1.2 团树

10.2 信息传递:和积

10.2.1 团树中的变量消除

10.2.2 团树校准

10.2.3 作为分布的校准团树

10.3 信息传递:信念更新

10.3.1 使用除法的信息传递

10.3.2 和-积与信息-更新消息的等价性

10.3.3 回答查询

10.4 构建一个团树

10.4.1 源自变量消除的团树

10.4.2 来自弦图的团树

10.5 小结

10.6 相关文献

10.7 习题

11推理优化

11.1 引言

11.1.1 再议精确推理*

11.1.2 能量泛函

11.1.3 优化能量泛函

11.2 作为优化的精确推理

11.2.1 不动点刻画.

11.2.2 推理优化

11.3 基于传播的近似

11.3.1 一个简单的例子

11.3.2 聚类图信念传播

11.3.3 聚类图信念传播的性质

11.3.4 收敛性分析*

11.3.5 构建聚类图

11.3.6 变分分析

11.3.7 其他熵近似*

11.3.8 讨论

11.4 用近似信息传播*

11.4.1 因子分解的消息

11.4.2 近似消息计算

11.4.3 用近似消息推理

11.4.4 期望传播

11.4.5 变分分析

11.4.6 讨论

11.5 结构化的变分近似

11.5.1 平均场近似

11.5.2 结构化的近似

11.5.3 局部变分法*

11.6 小结与讨论

11.7 相关文献

11.8 习题

12基于粒子的近似推理

12.1 前向采样

12.1.1 从贝叶斯网中采样

12.1.2 误差分析

12.1.3 条件概率查询

12.2 似然加权与重要性采样

12.2.1 似然加权:直觉

12.2.2 重要性采样

12.2.3 贝叶斯网的重要性采样

12.2.4 重要性采样回顾

12.3 马尔可夫链的蒙特卡罗方法

12.3.1 吉布斯采样算法

12.3.2 马尔可夫链

12.3.3 吉布斯采样回顾

12.3.4 一马尔可夫链的一个更广泛的类*

12.3.5 利用马尔可夫链

12.4 坍塌的粒子

12.4.1 坍塌的似然加权*

12.4.2 坍塌的MCMC

12.5 确定性搜索方法*

12.6 小结

12.7 相关文献

12.8 习题

13 最大后验推断

13.1 综述

13.1.1 计算复杂性

13.1.2 求解方法综述

13.2 (边缘)MAP 的变量消除

13.2.1 最大-积变量消除

13.2.2 找到最可能的取值

13.2.3 边缘MAP 的变量消除*

13.3 团树中的最大-积

13.3.1 计算最大边缘

13.3.2 作为再参数化的信息传递

13.3.3 最大边缘解码

13.4 多圈聚类图中的最大-积信念传播

13.4.1 标准最大-积消息传递

13.4.2 带有计数的最大-积BP*

13.4.3 讨论

13.5 作为线性优化问题的MAP*

13.5.1 整数规划的公式化

13.5.2 线性规划松弛

13.5.3 低温极限

13.6 对MAP 使用图割

13.6.1 使用图割的推理

13.6.2 非二元变量

13.7 局部搜索算法*

13.8 小结

13.9 相关文献

13.10 习题

14混合网络中的推理

14.1 引言

14.1.1 挑战

14.1.2 离散化

14.1.3 概述

14.2 高斯网络中的变量消除

14.2.1 标准型

14.2.2 和-积算法

14.2.3 高斯信念传播

14.3 混合网

14.3.1 面临的困难

14.3.2 混合高斯网络的因子运算

14.3.3 CLG网络的EP

14.3.4 一个“准确的”CLG 算法*

14.4 非线性依赖

14.4.1 线性化

14.4.2 期望传播与高斯近似

14.5 基于粒子的近似方法

14.5.1 在连续空间中采样

14.5.2 贝叶斯网中的前向采样

14.5.3 MCMC 方法

14.5.4 坍塌的粒子

14.5.4 非参数信息传递

14.6 小结与讨论

14.7 相关文献

14.8 习题

15在时序模型中推理

15.1 推理任务

15.2 精确推理

15.2.1 基于状态观测模型的滤波

15.2.2 作为团树传播的滤波

15.2.3 DBN 中的团树推理

15.2.4 纠缠

15.3 近似推理

15.3.1 核心思想

15.3.2 因子分解的信念状态方法

15.3.3 粒子滤波

15.2.4 确定性搜索技术

15.4 混合DBN

15.4.1 连续模型

15.4.2 混合模型

15.5 小结

15.6 相关文献

15.7 习题

第Ⅲ部分

16图模型学习:概述

16.1 动机

16.2 学习目标

16.2.1 密度估计

16.2.2 具体的预测任务

16.2.3 知识发现

16.3 作为优化的学习

16.3.1 经验风险与过拟合

16.3.2 判别式与生成式训练

16.4 学习任务

16.4.1 模型限制

16.4.2 数据的可观测性

16.4.3 学习任务的分类

16.5 相关文献

17参数估计

17.1 最大似然估计

17.1.1 图钉的例子

17.1.2 最大似然准则

17.2 贝叶斯网的MLE

17.2.1 一个简单的例子

17.2.2 全局似然分解

17.2.3 条件概率分布表

17.2.4 高斯贝叶斯网*

17.2.5 作为M-投影的最大似然估计*

17.3 贝叶斯参数估计

17.3.1 图钉例子的回顾

17.3.2 先验与后验.

17.4 贝叶斯网络中的贝叶斯参数估计

17.4.1 参数独立性与全局分解

17.4.2 局部分解

17.4.3 贝叶斯网络学习的先验分布

17.4.4 MAP 估计*

17.5 学习具有共享参数的模型

17.5.1 全局参数共享

17.5.2 局部参数共享

17.5.3 具有共享参数的贝叶斯推理

17.5.4 层次先验*

17.6 泛化分析*

17.6.1 渐进性分析.

17.6.2 PAC 界

17.7 小结

17.8 相关文献

17.9 习题

18贝叶斯网络中的结构学习

18.1 引言

18.1.1 问题定义

18.1.2 方法概述

18.2 基于约束的方法

18.2.1 基本框架

18.2.2 独立性测试.

18.3 结构得分

18.3.1 似然得分

18.3.2 贝叶斯得分函数

18.3.3 单个变量的边缘似然

18.3.4 贝叶斯网的贝叶斯得分

18.3.5 理解贝叶斯得分

18.3.6 先验

18.3.7 得分等价性*

18.4 结构搜索

18.4.1 学习树结构网

18.4.2 给定序

18.4.3 一般的图

18.4.4 用等价类学习*

18.5 贝叶斯模型平均*

18.5.1 基本理论

18.5.2 基本给定序的模型平均

18.5.3 一般的情况.

18.6 关于额外结构学习模型

18.6.1 关于局部结构学习

18.6.2 学习模板模型

18.7 小结与讨论

18.8 相关文献

18.9 习题

19部分观测数据

19.1 基础知识

19.1.1 数据的似然和观测模型

19.1.2 观测机制的解耦

19.1.3 似然函数

19.1.4 可识别性

19.2 参数估计

19.2.1 梯度上升方法

19.2.2 期望最大化(EM)

19.2.3 比较:梯度上升与EM

19.2.4 近似推断*

19.3 使用不完全数据的贝叶斯学习*

19.3.1 概述

19.3.2 MCMC采样

19.3.3 变分贝叶斯学习

19.4 结构学习

19.4.1 得分的结构

19.4.2 结构搜索

19.4.3 结构的EM

19.5 用隐变量学习模型

19.5.1 隐变量的信息内容

19.5.2 确定基数

19.5.3 引入隐变量

19.6 小结

19.7 相关文献

19.8 习题

20学习无向模型

20.1 概述

20.2 似然函数

20.2.1 一个例子

20.2.2 似然函数的形式

20.2.3 似然函数的性质

20.3 最大(条件)似然参数估计

20.3.1 最大似然估计

20.3.2 条件训练模型

20.3.3 用缺失数据学习

20.3.4 最大熵和最大似然*

20.4 参数先验与正则化

20.4.1 局部先验

20.4.2 全局先验

20.5 用近似推理学习

20.5.1 信念传播

20.5.2 基于MAP 的学习*

20.6 替代目标

20.6.1 伪似然及其推广

20.6.2 对比优化准则

20.7 结构学习

20.7.1 使用独立性检验的结构学习.

20.7.2 基于得分的学习:假设空间.

20.7.3 目标函数

20.7.4 优化任务

20.7.5 评价模型的改变

20.8 小结

20.9 相关文献

20.10 习题

第Ⅳ部分 行为与决策

21因果关系

21.1 动机与概述

21.1.1 条件作用与干预

21.1.2 相关关系和因果关系

21.2 因果关系模型

21.3 结构因果关系的可识别性.

21.3.1 查询简化规则

21.3.2 迭代的查询简化

21.4 机制与响应变量*

21.5 功能因果模型中的部分可识别性*

21.6 仅事实查询*

21.6.1 成对的网络

21.6.2 仅事实查询的界

21.7 学习因果模型

21.7.1 学习没有混合因素的因果模型

21.7.2 从干预数据中学习

21.7.3 处理隐变量*

21.7.4 学习功能因果关系模型*

21.8 小结

21.9 相关文献

21.10 习题

22效用和决策

22.1 基础:期望效用最大化

22.1.1 非确定性决策制订

22.1.2 理论证明*

22.2 效用曲线

22.2.1 货币效用

22.2.2 风险态度

22.2.3 合理性

22.3 效用的获取

22.3.1 效用获取过程

22.3.2 人类生命的效用

22.4 复杂结果的效用

22.4.1 偏好和效用独立性*

22.4.2 加法独立性特性

22.5 小结

22.6 相关文献

22.7 习题

23结构化决策问题

23.1 决策树

23.1.1 表示

23.1.2 逆向归纳算法

23.2 影响图

23.2.1 基本描述

23.2.2 决策规则

23.2.3 时间与记忆

23.2.4 语义与最优性准则

23.3 影响图的逆向归纳

23.3.1 影响图的决策树

23.3.2 求和-最大化-求和规则

23.4 期望效用的计算

23.4.1 简单的变量消除

23.4.2 多个效用变量:简单的方法

23.4.3 广义变量消除*

23.5 影响图中的最优化

23.5.1 最优化一个单一的决策规则

23.5.2 迭代优化算法

23.5.3 策略关联与全局最优性*

23.6 忽略无关的信息*

23.7 信息的价值

23.7.1 单一观测

23.7.2 多重观测

23.8 小结

23.9 相关文献

23.10 习题

24结束语

附录A 背景材料

A.1 信息论.

A.1.1 压缩和熵

A.1.2 条件熵与信息

A.1.3 相对熵和分布距离

A.2 收敛界

A.2.1 中心极限定理

A.2.2 收敛界

A.3 算法与算法的复杂性

A.3.1 基本图算法

A.3.2 算法复杂性分析

A.3.3 动态规划

A.3.4 复杂度理论

A.4 组合优化与搜索

A.4.1 优化问题

A.4.2 局部搜索

A.4.3 分支定界搜索

A.5 连续最优化

A.5.1 连续函数最优解的刻画

A.5.2 梯度上升方法

A.5.3 约束优化

A.5.4 凸对偶性

参考文献

符号索引

符号缩写







回复

使用道具 举报

该用户从未签到

0

主题

628

帖子

1437

积分

金牌会员

Rank: 6Rank: 6

积分
1437
发表于 2014-8-1 08:53:06 | 显示全部楼层
这个方面的话题的 都讨论一下












色界论坛: www.sejielt.com  
回复 支持 反对

使用道具 举报

该用户从未签到

0

主题

4

帖子

133

积分

注册会员

Rank: 2

积分
133
发表于 2014-9-9 23:01:35 | 显示全部楼层
坐等,坐等,一定买
回复 支持 反对

使用道具 举报

该用户从未签到

0

主题

628

帖子

1437

积分

金牌会员

Rank: 6Rank: 6

积分
1437
发表于 2014-10-15 17:17:26 | 显示全部楼层
看的人少,回一下












色界论坛: www.sejielt.com  
回复 支持 反对

使用道具 举报

该用户从未签到

0

主题

4

帖子

153

积分

注册会员

Rank: 2

积分
153
发表于 2014-10-16 17:22:01 | 显示全部楼层
不错,到时搞一本来看
回复 支持 反对

使用道具 举报

该用户从未签到

0

主题

5

帖子

147

积分

注册会员

Rank: 2

积分
147
发表于 2014-10-20 12:56:40 | 显示全部楼层
这个必须买的
回复 支持 反对

使用道具 举报

该用户从未签到

0

主题

2

帖子

146

积分

注册会员

Rank: 2

积分
146
发表于 2014-11-29 20:37:44 | 显示全部楼层

坐等,坐等,一定买,看电子版看的我头大了
回复 支持 反对

使用道具 举报

该用户从未签到

0

主题

1

帖子

146

积分

注册会员

Rank: 2

积分
146
发表于 2015-1-13 10:16:44 | 显示全部楼层
坐等,好东西
回复 支持 反对

使用道具 举报

该用户从未签到

0

主题

5

帖子

236

积分

中级会员

Rank: 3Rank: 3

积分
236
发表于 2015-3-15 16:03:31 | 显示全部楼层
现在确定发行时间了吗?
回复 支持 反对

使用道具 举报

该用户从未签到

600

主题

669

帖子

1万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
15398
 楼主| 发表于 2015-3-29 13:45:15 | 显示全部楼层
问了多次,估计最近可能会出版
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表