语音之家

 找回密码
 立即注册
搜索
热搜: 算法 软件 硬件
查看: 28|回复: 0

深度学习里面的数学基础-概率论

[复制链接]

13

主题

14

帖子

118

积分

注册会员

Rank: 2

积分
118
发表于 2019-8-9 17:36:32 | 显示全部楼层 |阅读模式
概率论是用于表示不确定性陈述的数学框架,即它是对事物不确定性的度量。
在人工智能领域,概率法则告诉我们AI系统应该如何推理,如何设计一些算法来计算或者近似由概率论导出的表达式。

随机变量是可以随机地取不同值的变量,随机变量可以是离散的或者连续的。
给定某随机变量的取值范围,概率分布就是导致该随机事件出现的可能性。从机器学习的角度来看,概率分布就是符合随机变量取值范围的某个对象属于某个类别的似然度。

贝叶斯估计

很多情况下,我们感兴趣的是某个事件在给定其它事件发生时出现的概率,这种概率叫条件概率。 如果在观察到语音特征的情况下,推断相应的音素的概率。
贝叶斯公式提供了一种可以利用先验概率计算后验概率的方法。

最大似然估计:
期望、方差、协方差等主要反映数据的统计特征参数, 而最大似然估计是在“模型已定,参数θ未知”的情况下,通过观测数据估计未知参数θ 的一种思想或方法。

最大熵模型
最大熵原理是概率模型学习的一个准则,它认为:学习概率模型时,在所有可能的概率分布中,熵最大的模型是最好的模型。通常用约束条件来确定模型的集合,所以,最大熵模型原理也可以表述为:在满足约束条件的模型集合中选取熵最大的模型。

高斯分布
高斯分布又叫正态分布,其曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形, 是最常见的概率分布之一。

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|小黑屋|yuyinbbs.cn

GMT+8, 2019-8-21 13:59 , Processed in 0.051303 second(s), 18 queries .

快速回复 返回顶部 返回列表