┣━slxy005-深蓝学院–概率图模型

机器学习的一个核心任务是从观测到的数据中挖掘隐含的知识，概率图模型巧妙地结合了图论和概率论的知识，通过构建一个图，用观测结点表示观测到的数据，用隐含结点表示潜在的知识，用边来描述知识与数据的相互关系，获得一个概率分布。在给定概率分布的基础上通过进行inference和learning两个任务来获取知识，对于描述复杂的实际问题、构建大型的人工智能系统意义重大。

┣━02.资料
┣━01.PGM简介.pdf
┣━15.【代码】PGM近似推理.rar
┣━10.二值图切法.pdf
┣━13【课件】基于约束松弛和对偶分解的近似推理.pdf
┣━17.【课件】结构学习.pdf
┣━11.PGM_HW2.rar
┣━14.【课件】基于采样、图切法的近似推理.pdf
┣━09.信念传播算法.pdf
┣━02.PGM表示-概率论与图论基础知识.pdf
┣━04.PGM表示-马尔科夫随机场.pdf
┣━03.PGM表示-贝叶斯网络.pdf
┣━06.第二章小结和作业答案
┣━PGM_HW1.rar
┣━PGM表示-小结.pdf
┣━12.PGM近似推理4-1.pdf
┣━05.PGM表示-马尔科夫随机场_2.pdf
┣━18.【课件】概率图模型的应用.pdf
┣━19.PGM应用v5.pdf
┣━08.团树传播算法.pdf
┣━15.【课件】PGM近似推理作业.pdf
┣━16.【课件】参数学习.pdf
┣━07.推理问题分类及意义&变量消元法.pdf
┣━01.视频
┣━04.任务4：【视频】马尔科夫随机场_[2].mp4
┣━13.任务13：【视频】基于约束松弛和对偶分解的近似推理_[2].mp4
┣━01.任务1：【视频】PGM简介_[2].mp4
┣━03.任务3：【视频】贝叶斯网络_[2].mp4
┣━10.任务10：【视频】二值图切法_[2].mp4
┣━05.任务5：【视频】因子图_[2].mp4
┣━12.任务12：【视频】BP算法_[2].mp4
┣━14.任务14：【视频】基于采样的近似推理_[2].mp4
┣━09.任务9：【视频】信念传播算法_[2].mp4
┣━16.任务16：【视频】参数学习_[2].mp4
┣━18.任务18：【视频】概率图模型的应用_[2].mp4
┣━15.任务15：【视频】近似推理作业_[2].mp4
┣━17.任务17：【视频】结构学习_[2].mp4
┣━08.任务8：【视频】团树传播算法_[2].mp4
┣━11.任务11：【视频】精确推理作业_[2].mp4
┣━任务20：【视频】作业讲解_[2].mp4
┣━02.任务2：【视频】概率论与图论基础知识_[2].mp4
┣━14.1任务14：【视频】基于图切法的近似推理_[2].mp4
┣━07.任务7：【视频】推理问题分类及意义&变量消元法_[2].mp4
┣━19.任务19：【视频】概率图模型的应用2_[2].mp4