Mean field theory for sigmoid belief networks
Mean field theory for sigmoid belief networks
复制标题
DOI：
10.1613/jair.251
复制
发表时间：
1996-01-01
影响因子：
5
通讯作者：
Jordan, MI
中科院分区：
文献类型：
--
作者：
Saul, LK;Jaakkola, T;Jordan, MI
我们开发了一个平均场理论的基础上，从统计力学的思想，S形信念网络。我们的平均场理论提供了一个易于处理的近似这些网络中的真实概率分布，它也产生了证据的可能性的下限。我们证明了这个框架的实用程序在统计模式分类的基准问题-手写数字的分类。
We develop a mean field theory for sigmoid belief networks based on ideas from statistical mechanics. Our mean field theory provides a tractable approximation to the true probability distribution in these networks; it also yields a lower bound on the likelihood of evidence. We demonstrate the utility of this framework on a benchmark problem in statistical pattern recognition-the classification of handwritten digits.