|
|
|
|
移动端

目录(2)

《概率编程实战》本书的作者Avi Pfeffer正是主流概率编程系统Figaro的首席开发者,他以详尽的实例、清晰易懂的解说引领读者进入这一过去令人望而生畏的领域。通读本书,可以发现概率编程并非“疯狂科学家”们的专利,无需艰深的数学知识,就可以构思出解决许多实际问题的概率模型,进而利用现代概率编程系统的强大功能解题。本节为目录。

作者:姚军 译来源:人民邮电出版社|2018-01-20 17:01

开发者盛宴来袭!7月28日51CTO首届开发者大赛决赛带来技术创新分享

目录(2)

第6 章 使用Scala 和Figaro 集
合构建模型 156
6.1 使用Scala 集合 157
6.1.1 为依赖于单一变量的多个
变量建立模型 157
6.1.2 创建层次化模型 160
6.1.3 建立同时依赖两个变量的
模型 162
6.2 使用Figaro 集合 165
6.2.1 理解Figaro 集合的
用途 165
6.2.2 用Figaro 集合重新实现层
次化模型 166
6.2.3 结合使用Scala 和Figaro
集合 168
8
10
6.3 建立对象数量未知情况的
模型 171
6.3.1 开放宇宙中对象数量未知
的情况 171
6.3.2 可变大小数组 172
6.3.3 可变大小数组上的
操作 172
6.3.4 示例:预测数量未知的
新产品销售额 173
6.4 处理无限过程 174
6.4.1 Process 特征 175
6.4.2 示例:一个健康时空
过程 176
6.4.3 使用过程 178
6.5 小结 179
6.6 练习 180
第7 章 面向对象概率建模 182
7.1 使用面向对象概率
模型 183
7.1.1 理解面向对象建模的
元素 183
7.1.2 重温打印机模型 185
7.1.3 关于多台打印机的
推理 189
7.2 用关系扩展OO 概率
模型 192
7.2.1 描述通用类级模型 192
7.2.2 描述某种情况 195
7.2.3 用Figaro 表现社会化媒体
模型 198
7.3 建立关系和类型不确定性
的模型 200
7.3.1 元素集合和引用 200
7.3.2 具有关系不确定性的社会
化媒体模型 202
7.3.3 具有类型不确定性的打印
机模型 205
7.4 小结 207
7.5 练习 207
第8 章 动态系统建模 209
8.1 动态概率模型 210
8.2 动态模型类型 211
8.2.1 马尔科夫链 211
8.2.2 隐含马尔科夫模型 214
8.2.3 动态贝叶斯网络 216
8.2.4 结构随时间改变的
模型 220
8.3 建立永续系统的
模型 224
8.3.1 理解Figaro 的宇宙
概念 224
8.3.2 使用宇宙建立持续运行系
统的模型 225
8.3.3 运行一个监控应用 227
8.4 小结 229
8.5 练习 230
第3 部分 推 理
第9 章 概率推理三原则 235
9.1 链式法则:从条件概率分
布构建联合分布 237
9.2 全概率公式:从联合分布
获得简单查询结果 240
9.3 贝叶斯法则:从结果推断
原因 243
9.3.1 理解、原因、结果和
推理 243
9.3.2 实践中的贝叶斯
法则 245
9.4 贝叶斯建模 247
9.4.1 估算硬币的偏差 248
9.4.2 预测下一次掷币
结果 252
9.5 小结 256
9.6 练习 256
第10 章 因子分解推理
算法 258
10.1 因子 259
10.1.1 什么是因子 259
10.1.2 用链式法则分解概率分
布 261
10.1.3 使用全概率公式,定义包
含因子的查询 263
10.2 变量消除算法 267
10.2.1 VE 的图形解释 267
10.2.2 VE 代数运算 271
10.3 VE 的使用 273
10.3.1 Figaro 特有的VE 考虑
因素 273
10.3.2 设计模型支持高效的
VE 275
10.3.3 VE 的应用 278
10.4 置信传播 281
10.4.1 BP 基本原理 282
10.4.2 Loopy BP 的属性 282
10.5 BP 的使用 284
10.5.1 Figaro 特有的BP 考虑
因素 284
10.5.2 设计模型以支持
高效的BP 285
10.5.3 BP 的应用 287
10.6 小结 288
10.7 练习 288
第11 章 抽样算法 291
11.1 抽样的原理 292
11.1.1 前向抽样 293
11.1.2 拒绝抽样 297
11.2 重要性抽样 299
11.2.1 重要性抽样的工作
方式 300
11.2.2 在Figaro 中使用重要性
抽样 303
11.2.3 让重要性抽样为您
工作 304
11.2.4 重要性抽样的应用 305
11.3 马尔科夫链蒙特卡洛
抽样 307
11.3.1 MCMC 的工作方式
308
11.3.2 Figaro 的MCMC 算法:
Metropolis-Hastings
算法 311
11.4 让MH 更好地工作 314
11.4.1 自定义提议 316
11.4.2 避免硬条件 319
11.4.3 MH 的应用 320
11.5 小结 321
11.6 练习 322
第12 章 处理其他推理
任务 324
12.1 计算联合分布 325
12.2 计算最可能的解释 326
12.2.1 在Figaro 中计算和查询
MPE 329
12.2.2 MPE 查询算法的
使用 331
12.2.3 探索MPE 算法的
应用 336
12.3 计算证据的概率 337
12.3.1 观察用于证据概率
计算的证据 338
12.3.2 运行证据概率算法 339
12.4 小结 341
12.5 练习 341
第13 章 动态推理和参数
学习 342
13.1 监控动态系统的
状态 342
13.1.1 监控机制 344
13.1.2 粒子过滤算法 345
13.1.3 过滤的应用 348
13.2 学习模型参数 349
13.2.1 贝叶斯学习 349
13.2.2 最大似然和MAP
学习 353
13.3 进一步应用Figaro 360
13.4 小结 361
13.5 练习 361
附录A 获取和安装Scala
和Figaro 364
A.1 使用sbt 364
A.2 在没有sbt 的情况下安装
和运行Figaro 365
A.3 从源代码编译 366
附录B 概率编程系统简况 367


喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码


51CTO读书频道活动讨论群:365934973

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

软件工程:实践者的研究方法

20多年以来,《软件工程:实践者的研究方法》一书是最受学生和行业专业人员欢迎的软件工程指南。它在全面而系统、概括而清晰地介绍软件工程...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊