内容説明
※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
各種グラフィカルモデルの紹介から、機械学習における使い方まで丁寧に解説する。この手法が有効な問題の見分け方、グラフの扱い、推論・学習に活かす方法など、必要なことをコンパクトにまとめた。
目次
シリーズの刊行にあたって
はじめに
第1章 グラフィカルモデル入門
第2章 確率論の基礎
第3章 ベイジアンネットワーク
第4章 マルコフ確率場
第5章 因子グラフ表現
第6章 周辺確率分布の計算1.:確率伝搬法
第7章 周辺確率分布の計算2.:ベーテ近似
第8章 周辺確率分布の計算3.:平均場近似
第9章 グラフィカルモデルの学習1.:隠れ変数のないモデル
第10章 グラフィカルモデルの学習2.:隠れ変数のあるモデル
第11章 グラフィカルモデルの学習3.:具体例
第12章 MAP割り当ての計算1.:最大伝搬法
第13章 MAP割り当ての計算2.:線形緩和による方法
第14章 グラフィカルモデルの構造学習
付録A 公式集
付録B 凸解析入門
付録C 指数型分布族
参考文献
索 引