==== 目录 ====
C01 引言
C02 基础知识
第1部分 表示
C03 贝叶斯表示
C04 无向图模型
C05 局部概率模型
C06 基于模板的表示
C07 高斯网络模型
C08 指数族
第2部分 推理
C09 精确推理:变量消除
C10 精确推理:团树
C11 作为优化的推理
C12 基于粒子的近似推理
C13 最大后验概率推理
C14 混合网络中的推理
C15 时序模型中的推理
第3部分 学习
C16 图模型学习:概述
C17 参数估计
C18 贝叶斯网中的结构学习
C19 部分观测数据
C20 学习无向模型
第4部分 行为与决策
C21 因果关系
C22 效用和决策
C23 结构化决策问题
C24 结束语
时间: 2024-10-18 18:21:03