6
Có ai biết một ví dụ mã hoạt động của thuật toán tổng sản phẩm cho niềm tin (loopy) cho Bayesian Networks không? Tôi đã cọ rửa trái đất trong một vài ngày nhưng không có nhiều may mắn. Tôi không quan tâm đến ngôn ngữ của nó.Niềm tin khó tin Tuyên truyền mã ví dụ
Tất cả các tài liệu tôi đã tìm thấy về chủ đề này có đầy đủ các phép toán không rõ ràng và vô lý. Nó không có vẻ giống như một thuật toán khó, nhưng tôi không thể chắc chắn vì một số bit khó hiểu được tô bóng quá nhiều.
Cách khác, một ví dụ sử dụng số thực (chứ không phải tên biến) có thể sẽ thực hiện thủ thuật.
Quyển sách: "Learning Bayesian Networks" của Neapolitan đưa ra hai phiên bản của thuật toán. Không có chi tiết nào bị bỏ sót, mặc dù nó có một số cú pháp toán học crufty. Ông cũng đưa ra các ví dụ số * phong phú về những gì xảy ra khi các thuật toán chạy. Tôi có thể gửi cho bạn PDF nếu bạn muốn (hơn 700 trang, bleh). Nó không giải quyết một cách rõ ràng sự lan truyền loopy, nhưng đó là điều mà tôi có thể đoán ra. Tài nguyên tốt ở đây: http://www.mcs.vuw.ac.nz/courses/COMP421/2008T1/documents/marcus/ Tôi đang triển khai bản thân mình (bằng Java) nên tôi sẽ đăng nội dung nào đó khi nó hoạt động và được gỡ lỗi. –
Ngoài ra, hãy xem http://www.mcs.vuw.ac.nz/courses/COMP421/2008T1/code/GM/markov.py để triển khai Python. Mặc dù tôi tin rằng nó là lỗi, và tôi không hiểu nó. –
Nhận sách của Neapolitan từ thư viện. Thực sự tốt đẹp để có một số ví dụ tốt! Cảm ơn vì tiền hỗ trợ. Thật không may nó không giải thích mối quan hệ của các mạng Bayesian, markov lưới và các biểu đồ yếu tố mà dường như là liên kết Tôi hiện đang thiếu để hiểu đầy đủ BP điên rồ. Một số tài nguyên khác mà tôi thấy hữu ích một phần: http://www.stanford.edu/~montanar/BOOK/partD.pdf http://www.kyb.tuebingen.mpg.de/bs/people/jorism /articles/thesis-mooij-hyperref.pdf – dudemeister