Minlog

Minlog

  • Category
    • About
    • Bayesian
    • Preliminary
      • Stochastic Process
      • Probability
      • Measure
      • Server
    • Research
      • Anomaly Detection
      • Segmentation
      • Active Learning
      • Continual Learning
      • Large Language Model
    • Machine Learning
      • General
      • Models
    • Memorizing
      • Trouble-Shooting
      • Ubuntu
      • Etc
      • Python
      • Java
      • C
      • Qt
      • Jetson
      • Quantization
    • BE
      • NodeJS
      • Flask
      • Spring
      • Deploy
      • Docker
      • EC2
      • APM
      • NGINX
      • TESTING
    • FE
      • JS
      • CSS
    • PS
      • 백준
      • SOFTEER
      • 리트코드
  • 홈
  • 태그
  • 방명록
RSS 피드
로그인
로그아웃 글쓰기 관리

Minlog

컨텐츠 검색

태그

jetson orin nano jetpack6 가우시안 혼합모델 MarkovChain Montecarlo dfs 확률그래프모델 백준 Probabilistic Graphical Model 회고 CUDA MCMC c++ 항해99 FLASK HTML C ps spring CSS Python

최근글

댓글

공지사항

아카이브

BayesianNetwork(1)

  • [Bayesian Network] 1. 확률 그래프 모델

    이번 글에서는 확률분포를 그래프로 나타내어 변수들 간의 조건부 관계를 쉽게 나타낼 수 있는 확률 그래프 모델(Probabilistic Graphical Model)을 알아보겠습니다. 그래프는 노드(node)와 에지(edge)로 이루어진 조합론적 구조입니다. 노드는 꼭짓점, 에지는 간선을 말하는데, 노드가 $n$개인 그래프를 수학적으로 다음과 같이 나타낼 수 있습니다. $\mathbb {G}=\left \{ \textrm {V, E} \right \}$ $V(\mathbb {G})=\left \{ v_1,\cdots, v_n \right \}$ $\varepsilon(\mathbb {G})=\left \{ e_{i~j} \right \}$ 그리고 만약 노드 $i$와 노드 $j$가 연결되어 있다면 $v_i ..

    2021.07.21
이전
1
다음
티스토리
© 2018 TISTORY. All rights reserved.

티스토리툴바