浙江大學(xué)研究生人工智能引論課件-資料下載頁
2025-07-19 22:32本頁面
【正文】 給出 Zi的馬爾可夫覆蓋 MB(Zi)，并根據(jù) P(Zi |mb(Zi)) 來采樣的 Zi值 。 return Normalize(N[X]) //對 N[X]進行歸一化 關(guān)于 MCMC算法的補充說明： ?MCMC方法的一種常用的簡單變體為： 吉布斯采樣器 （ Gibbs sampler） 【 注 】 ：上述算法實質(zhì)上就是吉布斯采樣器。 ?MCMC是概率模型計算中的一種強有力的方法，目前已發(fā)展出很多變形，包括： （ 1）模擬退火算法 （ 2）隨機可滿足性 (Stochastic satisfiability)算法 【 課后習(xí)題 2】 國家政策 （ C） 學(xué)校政策 （ U） 身體狀況 差（ B） 過勞死 （ D） 工作壓力 大（ W） W B P(A) t t t f f t f f U P(W) t f C P(U) t f P(C) U P(B) t f 已知：事件 e = 學(xué)校政策 U = true且工作壓力大 W=true 問題： （ 1）請根據(jù)上述 MCMC算法計算 : P(過勞死 |學(xué)校政策 U = true,工作壓力大 W=true) 的概率。 （ 2）比較枚舉算法和 MCMC算法的計算結(jié)果。 ―No one can serve two masters. Either he will hate the one and love the other, or he will be devoted to the one and despise the other. You cannot serve both God and Money .‖ From Matthew 6:24 NIV 本課程的 編程實現(xiàn)題目 之一： ?請編程實現(xiàn)基于 MCMC方法的 BN近似推理算法 —— MCMC算法 ?并用若干實例來驗證結(jié)果的正確性 【 說明 】 ： 《 人工智能：一種現(xiàn)代方法 》 一書中關(guān)于 MCMC算法（特別是狀態(tài)轉(zhuǎn)移方法）的論述不夠詳細，在編程實現(xiàn)時，請再參考其它相關(guān)的文獻資料。 課后請研讀論文： [1] Tom M. Mitchell. Does machine learning really work? AI Magazine, 18(3): 1120, Fall 1997. 【 必讀 】 [2] C. Andrieu et al. Jordan. An introduction to MCMC for machine learning. Machine Learning, 2022, 5: 543. 【 可選讀 】 【 說明 】 對于打算編程實現(xiàn)，或以后可能要用 MCMC算法的同學(xué)，請認真研讀文獻 [2]。 馬爾可夫鏈和 MCMC方法的中文參考書 ： ?盛驟 等 . 《 概率論與數(shù)理統(tǒng)計 》 (第三版 ). 高等教育出版社 , 2022. ?龔光魯 等 . 《 應(yīng)用隨機過程教程及在算法和智能計算中的隨機模型 》 . 清華大學(xué)出版社 , 2022. ―Do not judge, or you too will be judged. For in the same way you judge others, you will be judged, and with the measure you use, it will be measured to you .‖ From Matthew 7:12 NIV THANKS FOR YOUR PRESENCE! ―All Scripture is Godbreathed and is useful for teaching, rebuking, correcting and training in righteousness, so that the man of God may be thoroughly equipped for every good work.‖ from 2 Timothy 3:1617, NIV
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1