正态图中隐变量学习算法的比较
机器学习
2013-08-27 v1 信息论
系统与控制
math.IT
摘要
简化为正态形式的贝叶斯因子图由分流单元（或等式约束单元）与单输入/单输出（SISO）块的互连组成。在此框架下，利用 KKT 条件从约束最大似然（ML）公式和最小 KL 散度准则中明确导出了局部自适应规则。将这些学习算法与分别基于类 Viterbi 方法和变分近似的另外两个更新方程进行了比较。在各种架构的合成数据集上验证了各种算法的性能。本文旨在为程序员提供明确的算法，以便在应用中快速部署贝叶斯图。
引用
@article{arxiv.1308.5576,
title = {A Comparison of Algorithms for Learning Hidden Variables in Normal Graphs},
author = {Francesco A. N. Palmieri},
journal= {arXiv preprint arXiv:1308.5576},
year = {2013}
}
备注
Submitted for journal publication