Un curs scurt pe modele grafice

Source: http://ai.stanford.edu/~paskin/gm-short-course/index.html

Acest curs se referă la elementele de bază ale modelelor grafice, care sunt instrumente puternice pentru raţionament în condiţii de incertitudine în sisteme mari, complexe. Cursul îşi asumă nici un pic de fond sau matematic dincolo de teoria mulţimilor, şi nici cunoştinţe generale de teoria probabilităţilor. Accentul se pune pe prezentarea unui set de instrumente care sunt utile într-un număr mare de cereri, şi care prezintă aceste instrumente într-un mod riguros, dar intuitiv.

Cursul are trei prelegeri, fiecare dintre care pot fi prezentate la un nivel ridicat în 90 de minute sau împărţită în două sesiuni de 60 minute pentru mai multă profunzime.

Prelegeri			Diapozitive
1.	Introducere în teoria probabilităţilor	Motivation, spaţii probabilitate, axiome de probabilitate, probabilitate conditionata, regulă produs, lanţul de regulă, regula Bayes ", variabile aleatoare, densitatea, densitatea de masă,, marginalizarea şi Gaussians condiţionat, inferenta. [1, Cap. 1, 5, 2, Cap. 13, 3, Cap. 13; 9]
2.	Reprezentanţele structurate	Independenţă, independenţă condiţionată, reţelele Bayesian, algoritmul Ball Bayes, Domenii aleatorie Markov, teorema Hammersley-Clifford, moralizare, eliminarea variabile, NP şi P # duritate de inferenţă. [3, Cap. 2, 5, 6, 2, Cap. 14]
3.	Algoritmii de joncţiune copac	Arbori Junction, algoritmul Shafer-Shenoy, relaţia sa cu Eliminare Variabila, Hugin algoritm, ceea ce sarcina de a-Shafer Shenoy, algoritmul Viterbi, Legea Generalizat de împărţire, triangulaţie, eliminare. [3, Cap. 17; 4]