一、背景 1.1 深度神经网络 深度神经网络是连接主义系统，通过它通过学习例子来完成任务，而不需要事先了解这些任务。它们可以很容易地扩展到数百万个数据点，并且可以通过随机梯度下降进行优化。 CNN是DNN的变体，能够适应各种非线性数据点。 起始层学习更简单的特征，如边和角 ...

0.什么是贝叶斯？ 贝叶斯公式是由一位数学家——托马斯·贝叶斯提出的，也称为贝叶斯法则， 他在许许多多的领域都有所应用，我们也在许多数学课程中学习过他。 这就是说，当你不能准确知悉一个事物的本质时，你可以依靠与事物特定本质相关的事件出现的多少去判断其本质属性的概率。 用数学语言表达就是：支持 ...

一、什么是贝叶斯推断 贝叶斯推断（Bayesian inference）是一种统计学方法，用来估计统计量的某种性质。 它是贝叶斯定理（Bayes' theorem）的应用。英国数学家托马斯·贝叶斯（Thomas Bayes）在1763年发表的一篇论文中，首先提出了这个定理。 贝叶斯推断 ...

目录 贝叶斯公式 什么是贝叶斯深度学习？ 贝叶斯深度学习如何进行预测？ 贝叶斯深度学习如何进行训练？ 贝叶斯深度学习和深度学习有什么区别？ 贝叶斯神经网络（Bayesian neural network）和贝叶斯网络（Bayesian network ...

贝叶斯学习小结 朴素贝叶斯和贝叶斯信念网络学习，知识点以及个人一些理解的小结。 概率论只不过是把常识用数学公式表达了出来。 ——拉普拉斯 1.本文思路分析 （1）基本概率公式：条件概率，全概率，贝叶斯定理 （2）朴素贝叶斯算法：极大似然估计，判定准则，拉普拉斯平滑 （3）半朴素贝叶斯 ...

频率推理（Frequentist inference is a type of statistical inference that draws conclusions from sample dat ...

从贝叶斯方法谈到贝叶斯网络 0 引言 其实。介绍贝叶斯定理、贝叶斯方法、贝叶斯判断的资料、书籍不少，比方《数理统计学简史》，以及《统计决策论及贝叶斯分析 James O.Berger著》等等，然介绍贝叶斯网络 ...

1 贝叶斯方法 长久以来，人们对一件事情发生或不发生的概率，只有固定的0和1，即要么发生，要么不发生，从来不会去考虑某件事情发生的概率有多大，不发生的概率又是多大。而且概率虽然未知，但最起码是一个确定的值。比如如果问那时的人们一个问题：“有一个袋子，里面装着若干个白球和黑球，请问从袋子中 ...