Elements of Sequential Monte Carlo
Eine Schlüsselstrategie beim maschinellen Lernen besteht darin, ein Problem in kleinere und besser handhabbare Teile zu zerlegen und dann Daten oder unbekannte Variablen rekursiv zu verarbeiten. Sequentielles Monte-Carlo-Verfahren (SMC) ist eine Technik zur rekursiven Lösung statistischer Inferenzprobleme. In den letzten 20 Jahren wurde SMC entwickelt, um Inferenzen in immer komplexeren und anspruchsvolleren Modellen in der Signalverarbeitung und Statistik zu ermöglichen. Diese Monographie zeigt, wie die leistungsstarke Technik auf Probleme des maschinellen Lernens wie probabilistische Programmierung, Variationsinferenz und Inferenzauswertung angewendet werden kann, um nur einige zu nennen.
Im Stil eines Tutorials geschrieben, führt Elements of Sequential Monte Carlo in die Grundlagen von SMC ein, erörtert praktische Fragen und gibt einen Überblick über theoretische Ergebnisse, bevor es den Leser durch eine Reihe fortgeschrittener Themen führt, um einen vollständigen Überblick über das Thema und seine Anwendung auf Probleme des maschinellen Lernens zu geben.
Diese Monographie bietet eine für Forscher zugängliche Behandlung eines Themas, das in letzter Zeit in der Gemeinschaft des maschinellen Lernens großes Interesse gefunden hat.
| ISBN: | 9781680836325 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 134 |
Derzeit verfügbar, auf Lager.
