তাদের পাঠ্যপুস্তকে গ্রাফিকাল মডেলস, এক্সফোনেনশিয়াল ফ্যামিলি এবং ভেরিয়েশনাল ইনফারেন্স , এম জর্ডান এবং এম ওয়েনউইট এক্সফেনশনাল পরিবার এবং মার্কভ র্যান্ডম ফিল্ডস (অপরিবর্তিত গ্রাফিকাল মডেল) এর মধ্যে সংযোগ নিয়ে আলোচনা করেছেন ।
আমি নিম্নলিখিত প্রশ্নের সাথে তাদের মধ্যে সম্পর্ক আরও ভালভাবে বোঝার চেষ্টা করছি:
- সমস্ত এমআরএফগুলি কী তাত্পর্যপূর্ণ পরিবারের সদস্য?
- ক্ষতিকারক পরিবারগুলির সমস্ত সদস্যকে কি এমআরএফ হিসাবে প্রতিনিধিত্ব করা যায়?
- যদি এমআরএফ নেক এক্সফোনেনশিয়াল পরিবারগুলি, অন্য একরকমের মধ্যে এক প্রকারের বিতরণের কিছু ভাল উদাহরণ কী?
আমি তাদের পাঠ্যপুস্তকে যা বুঝি (তৃতীয় অধ্যায়), জর্ডান এবং ওয়াইন রাইট পরবর্তী যুক্তি উপস্থাপন করেছেন:
বলুন আমাদের কাছে এএ স্ক্যালার এলোমেলো পরিবর্তনশীল এক্স রয়েছে যা কিছু বিতরণ অনুসরণ করে এবং আইড পর্যবেক্ষণগুলি আঁকুন এবং আমরা সনাক্ত করতে চাই ।এন এক্স 1 , … এক্স এন পি
আমরা নির্দিষ্ট ফাংশন এর অভিজ্ঞতা অভিজ্ঞতা আশা করি
সমস্ত for
যেখানে প্রতিটি some কিছু সেট একটি ফাংশন সূচক করেআমি ϕ α : এক্স → আর
তারপরে যদি আমরা নিম্নলিখিত দুটি সংখ্যার পরিমাণকে সামঞ্জস্য করতে বাধ্য করি, অর্থাত্ ম্যাচ করতে ( সনাক্ত করতে ):
প্রত্যাশা বিতরণ এর যথেষ্ট পরিসংখ্যানেরϕ পি
অভিজ্ঞতা বন্টনের অধীনে প্রত্যাশা
আমরা একটি নির্ধারিত সমস্যা পাই , এই অর্থে যে অনেকগুলি ডিস্ট্রিবিউশন যা পর্যবেক্ষণের সাথে সামঞ্জস্যপূর্ণ। সুতরাং তাদের মধ্যে বাছাই করার জন্য আমাদের নীতির প্রয়োজন ( সনাক্ত করতে )।পি
আমরা যদি এই অনির্দিষ্টকেন্দ্রিকতা সরিয়ে নিতে সর্বাধিক এনট্রপির নীতিটি ব্যবহার করি তবে আমরা একটি পেতে পারি :
ই পি [ ( φ α ( এক্স ) ] = μ α α ∈ আমি অধীনে সমস্ত ক্ষেত্রে for
যেখানে এই রূপে এক্সপ্রেস যেখানে তাত্পর্যপূর্ণ পরিবার ফর্মের মধ্যে বিতরণের একটি প্যারামিটারাইজেশন উপস্থাপন করে।পি θ ( এক্স ) ∝ ∑ α ∈ আই θ α ϕ α ( এক্স ) , θ ∈ আর ডি
অন্য কথায়, আমরা যদি
- বন্টনগুলির প্রত্যাশাগুলি বোধগম্য বন্টনের অধীনে প্রত্যাশার সাথে সামঞ্জস্যপূর্ণ করুন
- নির্বিঘ্ন থেকে মুক্তি পেতে সর্বাধিক এনট্রপির নীতিটি ব্যবহার করুন
আমরা পরিবারের এ বিতরণ দিয়ে শেষ করি।
তবে এটি ক্ষতিকারক পরিবারগুলির পরিচয় করিয়ে দেওয়ার পক্ষে যুক্তির মতো দেখায় এবং এটি এমআরএফ এবং এক্সপ্রেসের মধ্যে সম্পর্কের বর্ণনা দেয় না। পরিবারের। আমি কি কিছু মিস করছি?