×

贝叶斯机器学习的测量变换器语义。 (英语) Zbl 1274.68295号

概要:机器学习的贝叶斯方法相当于从变量如何相关的概率模型(即先验分布)和变量的一组观测值计算随机变量的后验分布。机器学习的一个趋势是将贝叶斯模型表示为概率程序。作为这类编程的基础,我们提出了一种核心函数演算,其中包含用于采样先验分布和观察变量的原语。我们根据测度理论中的定理定义了测度-变换组合子,并使用它们为我们的核心演算提供了严格的语义。我们语义的最初特征包括支持离散、连续和混合度量,特别是支持零概率事件的观察。我们将核心语言编译为一种小型命令式语言,该语言由现有的因子图推理引擎处理,因子图是支持许多高效推理算法的数据结构。这允许对后验边缘分布进行有效的近似推断,每秒可处理大量真实模型的观察结果。

MSC公司:

68T05型 人工智能中的学习和自适应系统
68甲15 编程语言理论
PDF格式BibTeX公司 XML格式引用
全文: 内政部