Todos ellos parecen representar variables aleatorias mediante los nodos y la (in)dependencia a través de las aristas (posiblemente dirigidas). Me interesa especialmente el punto de vista de un bayesiano.
¿Qué significa CPD?
Respuestas
¿Demasiados anuncios?Una red bayesiana es un tipo de modelo gráfico. El otro "gran" tipo de modelo gráfico es un campo aleatorio de Markov (MRF). Los modelos gráficos se utilizan para la inferencia, la estimación y, en general, para modelar el mundo.
El término modelo jerárquico se utiliza para significar muchas cosas en diferentes ámbitos.
Aunque las redes neuronales vienen con "gráficos", generalmente no codifican información de dependencia y los nodos no representan variables aleatorias. Las redes neuronales son diferentes porque son discriminativas. Las redes neuronales más populares se utilizan para la clasificación y la regresión.
Kevin Murphy tiene una excelente introducción a estos temas disponible aquí .
DavLink
Puntos
101
Como @carlosdc Dicho esto, una red bayesiana es un tipo de modelo gráfico (es decir, un grafo acíclico dirigido (DAG) cuya estructura define un conjunto de propiedades de independencia condicional). Modelos jerárquicos de Bayes también pueden representarse como DAGs; Clasificadores jerárquicos Naive Bayes para datos inciertos de Bellazzi et al., ofrece una buena introducción a la clasificación con este tipo de modelos. Sobre los modelos jerárquicos, creo que se pueden recuperar muchos artículos buscando en Google con las palabras clave adecuadas; por ejemplo, yo encontré este:
C. H. Jackson, N. G. Best y S. Richardson. Modelos gráficos bayesianos para la regresión en conjuntos de datos múltiples con diferentes variables . Bioestadística (2008) 10(2): 335-351.
Michael I. Jordan tiene un buen tutorial sobre Modelos gráficos con diversas aplicaciones basadas en el factorial Modelo de Markov oculto en bioinformática o procesamiento del lenguaje natural. Su libro, Aprendizaje en modelos gráficos (MIT Press, 1998), también merece la pena leerlo (hay una aplicación de los MM a la modelización estructural con BUGS código, pp. 575-598)
JCrafter
Puntos
21
Las redes neuronales no requieren priores, pero cada nodo oculto (neuronas) de una red neuronal puede ser considerado como CPD - CPD ruidoso OR/AND para un nodo lineal - CPD sigmoide para un nodo logístico
Así, las redes neuronales podrían verse como múltiples capas de nodos ocultos, cada una de ellas con CPDs lineales/sigmoidales
La clase de Koller en Coursera O su libro de texto deberían ser una buena referencia para los tipos de DPC.
