深度学习中的结构化概率模型

深度学习中的结构化概率模型 结构化概率模型也称为图模型。 一，非结构化建模的挑战 概率模型可以完成很多任务，例如： 估计密度函数 去噪 缺失值的填补 采样 对上千甚至上百万的随机变量的分布建模，无论从计算上还是统计意义上来说，都是一个极具挑战性的任务。 非结构化建模的主要挑战在于参数的数量是巨大的，这会导致： 内存：存储参数的开销太大。 统计的高效性：容易过拟合，因为数据量不够，所以需要一些平滑方

>>阅读原文<<