带高斯叶节点的求和-乘积网络的在线结构学习
机器学习
2017-01-20 v1 机器学习
摘要
求和-乘积网络近年来成为一种引人注目的表示，因其具有双重特性：既是一种具有清晰语义的特殊深度神经网络，又是一种推理始终可处理的概率图模型。这些性质源于网络结构必须满足的一些条件（即完备性与可分解性）。因此，手动指定有效的求和-乘积网络并不容易，实践中通常采用结构学习技术。本文描述了针对带高斯叶节点的连续 SPN 的首个在线结构学习技术。我们还引入了配套的新参数学习技术。
引用
@article{arxiv.1701.05265,
title = {Online Structure Learning for Sum-Product Networks with Gaussian Leaves},
author = {Wilson Hsu and Agastya Kalra and Pascal Poupart},
journal= {arXiv preprint arXiv:1701.05265},
year = {2017}
}