斯坦福-随机图模型-week3.1_

简介: title: 斯坦福-随机图模型-week3.1tags: notenotebook: 6- 英文课程-9-Probabilistic Graphical Models 1: Representation---斯坦福-随机图模型-week3.

title: 斯坦福-随机图模型-week3.1
tags: note
notebook: 6- 英文课程-9-Probabilistic Graphical Models 1: Representation
---

斯坦福-随机图模型-week3.1

习题题

1. Question 1

Factor Scope. Let ϕ(a,b) be a factor in a graphical model, where a is a value of A and b is a value of B. What is the scope of ϕ?

{A}

{A, B, C, D, E}

{A, B, C}

{A, B}

Correct 

Question 2

Independence in Markov Networks. Consider this graphical model from week 1's quizzes. This time, all of the edges are undirected (see modified graph below). Which pairs of variables are independent in this network? You may select 1 or more options.

img_a02dae06126b6c6fa28b7c197930111f.jpe

No pair of variables are independent on each other.

Correct 
No pairs of variables are independent in a fully connected Markov network.

B, E

Un-selected is correct 

C, D

Un-selected is correct 

Question 3

Factorization. Which of the following is a valid Gibbs distribution over this graph?

img_8b481b85b685b99444e256cfd740d3fb.jpe

ϕ(A,B,C,D,E,F)

ϕ(A)×ϕ(B)×ϕ(C)×ϕ(D)×ϕ(E)×ϕ(F)Z, where Z is the partition function

Correct 
A Gibbs distribution is a factor product divided by the partition function, and this expression complies with this definition.

ϕ(A)×ϕ(B)×ϕ(C)×ϕ(D)×ϕ(E)×ϕ(F)

ϕ(A,B,D)×ϕ(C,E,F)Z, where Z is the partition function

Question 4

Factors in Markov Network. Let ϕ(A,B,C) be a factor in a probability distribution that factorizes over a Markov network. Which of the following must be true? You may select 1 or more options.

ϕ(a,b,c)≥0, where a is a value of A, b is a value of B, and c is a value of C.

Correct 

ϕ(a,b,c)≤1, where a is a value of A, b is a value of B, and c is a value of C.

Un-selected is correct 

A, B, and C do not form a clique in the network.

Un-selected is correct 

There is a path connecting A, B, and C in the network.

Correct 

A, B, and C form a clique in the network.

Correct 
相关文章
|
Linux 数据库 数据安全/隐私保护
如何使用 Docker 安装宝塔面板
Docker 是一个高效、灵活、轻量级的容器化平台,可以在单个操作系统上实现多个容器化应用的隔离和运行。而宝塔面板是一款集成了 Web 服务器、数据库和运行环境的 Linux 服务器管理面板,其功能非常强大且易于使用。在本文中,我们将介绍使用 Docker 安装宝塔面板的优势和详细命令,让您轻松搭建自己的 Web 服务。
7543 3
|
7月前
|
数据采集 NoSQL 关系型数据库
Python爬虫去重策略:增量爬取与历史数据比对
Python爬虫去重策略:增量爬取与历史数据比对
|
4月前
|
人工智能 前端开发 机器人
10个优质独立开发者社区
以下是我整理的10个优质独立开发者社区,都是自己平时经常逛或参与过的,分类整理方便不同需求的开发者参考
1169 7
|
10月前
|
存储 人工智能 算法
加速推进 AI+OS 深度融合,打造最 AI 的服务器操作系统 | 2024龙蜥大会主论坛
本次方案的主题是加速推进 AI+OS 深度融合,打造最 AI 的服务器操作系统,从产业洞察、创新实践、发展建议三个方面,指出 AI 原生应用对操作系统提出更高要求,需要以应用为导向、以系统为核心进行架构创新设计,要打造最 AI 的服务器操作系统。 1. 产业洞察 2. 创新实践 3. 发展建议
365 6
|
Java C++ 开发者
【技术贴】if-else VS switch:谁才是Java条件判断的王者?
【6月更文挑战第14天】本文探讨了Java中if-else与switch语句的选择问题。if-else基于布尔逻辑,适合处理复杂逻辑,而switch在处理多分支特别是枚举类型时更高效。if-else在条件动态变化或复杂逻辑时更合适,switch则因其跳转表机制在固定选项中表现优秀。性能上,switch在大量选项时占优,但现代JVM优化后两者差异不大。选择时应考虑场景、可读性和维护性,灵活运用。理解两者特点,才能写出优雅高效的代码。
934 0
|
9月前
|
机器学习/深度学习 物联网
可控文生图:EliGen控制实体的位置细节变化
为文生图模型增加额外的控制条件一直是AIGC社区研究的重点之一,如ControlNet, IP-Adapter等一直是热门可控生成方法。近期,魔搭社区联合浙江大学对实体级可控文生图进行了探索,并开发了EliGen模型。
267 11
|
NoSQL Redis UED
揭秘!Flask如何携手Celery,让异步任务处理不再是难题,打造极速响应的Web应用新纪元!
【8月更文挑战第31天】在Web开发中,Flask与Celery的结合为异步任务处理提供了强大支持。Flask作为轻量级Web框架,以其简洁灵活著称;而Celery则是一个分布式任务队列系统,擅长处理耗时任务。二者结合,Flask专注于处理Web请求,Celery则在后台异步执行复杂任务,如发送邮件或调用外部API。这种方式不仅提升了应用性能和响应速度,还优化了用户体验。下面的示例展示了如何在Flask应用中集成Celery以实现异步任务处理。
654 0
|
11月前
|
人工智能 PyTorch 算法框架/工具
【AI系统】昇腾推理引擎 MindIE
本文详细介绍华为昇腾推理引擎 MindIE,涵盖其基本介绍、关键功能特性及三大组件:MindIE-Service、MindIE-Torch 和 MindIE-RT。文章深入探讨了各组件在服务化部署、大模型推理和推理运行时方面的功能和应用场景,旨在帮助读者全面了解 MindIE 如何支持 AI 业务的高效运行和模型的快速部署。
1115 0
|
供应链 监控 Java
【开题报告】基于SpringBoot的药店药品管理系统的设计与实现
【开题报告】基于SpringBoot的药店药品管理系统的设计与实现
1250 0
|
开发框架 .NET 测试技术
.NET Core 日志记录程序和常用日志记录框架
本文主要内容为.NET Core的日志记录程序和常使用的日志记录框架的简单使用 首先,打开VS2019新建一个ASP.NET Core Web Api项目,项目创建好后会有一个集成好的天气预报的类和控制器,接下来,我们的方法就在天气控制器里完成。
252 0