Ioannis Kourouklides公司
广告

此页面包含有关的资源贝叶斯非参数.

子字段[]

请参见类别:贝叶斯非参数它的一些子领域。

  • 中餐厅流程(CRP)
  • 中餐厅特许经营(CRF)
  • 印度自助餐流程(IBP)
  • Pitman–Yor流程
  • 分层Dirichlet过程(HDP)
  • 混合物Dirichlet过程(MDP)
  • Dirichlet过程混合物模型(DPMM)
  • CRP公司混合物模型
  • IBP潜在因素模型
  • 潜在Dirichlet分配(LDA)
  • Lévy过程
  • 伯努利过程
  • 完全随机测度
    • 泊松随机测度/泊松点过程
    • 伽马过程
    • Beta过程/Beta-Bernoulli过程
    • 稳定的过程
  • Pólya树
  • Pólya的Urn过程
  • 霍普的Urn流程
  • 断棒过程

在线课程[]

视频讲座[]


课堂讲稿[]

书籍和书籍章节[]

  • Küchler,U.和Sorensen,M.(1997)。 随机过程的指数族Springer科学与商业媒体。
  • Dey,D.D.、MüIler,P.和Sinha,D.(编辑)。(1998). 实用非参数和半参数贝叶斯统计(第133卷)。施普林格科技与商业媒体。
  • Ghosh,J.K.和Ramamoorthi,R.V.(2003)。贝叶斯非参数。统计学中的斯普林格系列。纽约施普林格-弗拉格16, 37.
  • Görür,D.(2007)。无监督学习的非参数贝叶斯离散潜在变量模型。博士论文。TU柏林。
  • Koller,D.和Friedman,N.(2009年)。“第19.5节:具有隐藏变量的学习模型”。概率图模型麻省理工学院出版社。
  • Hjort,N.L.、Holmes,C.、Müller,P.和Walker,S.G.(编辑)。(2010). 贝叶斯非参数剑桥大学出版社。
  • Orbanz,P.和Teh,Y.W.(2011年)。贝叶斯非参数模型。机器学习百科全书(第81-89页)。施普林格美国。
  • Murphy,K.P.(2012)。 机器学习:概率的观点《第25章:集群》,麻省理工学院出版社。
  • 约旦,M.I.(2013)。层次模型、嵌套模型和完全随机度量。 统计决策和贝叶斯分析的前沿:向詹姆斯·贝格尔致敬。纽约:斯普林格, 207-218.
  • Theodoridis,S.(2015)。“第13.12节:非参数贝叶斯建模”。 机器学习:贝叶斯和优化的观点学术出版社。
  • Müller,P.、Quintana,F.A.、Jara,A.和Hanson,T.(2015)。 非参数贝叶斯数据分析纽约:Springer。
  • Phadia,E.G.(2015)。先验过程及其应用:非参数贝叶斯估计。斯普林格。
  • Mitra,R.和Müller,P.(编辑)。(2015). 生物统计学中的非参数贝叶斯推断施普林格。
  • Goodman,N.D.和Tenenbaum,J.B.(2016年)。“第12章:非参数模型”。 认知的概率模型。第2版(链接)

学术文章[]

另请参见NPBayes 2008以获取更多参考。

  • Damien,P.(2005)。一些贝叶斯非参数模型。统计手册25, 279-314.
  • Hanson,T.E.、Branscum,A.J.和Johnson,W.O.(2005)。贝叶斯非参数建模和数据分析:简介。 统计手册25, 245-278.
  • Walker,S.(2005)。贝叶斯非参数推断。统计手册25,339-371.
  • Sudderth,E.B.(2006年)。视觉对象识别和跟踪的图形模型。麻省理工学院博士论文。
  • Görür,D.(2007)。用于无监督学习的非参数贝叶斯离散潜在变量模型。马克斯·普朗克生物控制论研究所博士论文。
  • Thibaux,R.J.(2008)。 机器学习的非参数贝叶斯模型.加州大学伯克利分校统计系博士论文。
  • Frigyik,B.A.、Kapila,A.和Gupta,M.R.(2010年)。 介绍dirichlet分布和相关过程。华盛顿大学电气工程系UWEETR-2010-0006。
  • Gershman,S.J.和Blei,D.M.(2012)。贝叶斯非参数模型教程。 数学心理学杂志56(1), 1-12.
  • Ghahramani,Z.(2013)。贝叶斯非参数化和建模的概率方法。 菲尔翻译。R.Soc.A公司371, 20110553.

教程[]

软件[]

另请参见[]

其他资源[]

广告