Sum-product networks: A new deep architecture
Sum-product networks: A new deep architecture
复制标题
DOI：
10.1109/iccvw.2011.6130310
复制
发表时间：
2011-07
期刊：
影响因子：
--
通讯作者：
Hoifung Poon;Pedro M. Domingos
中科院分区：
文献类型：
--
作者：
Hoifung Poon;Pedro M. Domingos
图模型推理和学习的关键限制因素是划分函数的复杂性。因此，我们提出这样一个问题：在什么样的最一般的条件下配分函数是易处理的？答案是一种新的深层架构，我们称之为和积网络（SPN），并将在本摘要中介绍。
The key limiting factor in graphical model inference and learning is the complexity of the partition function. We thus ask the question: what are the most general conditions under which the partition function is tractable? The answer leads to a new kind of deep architecture, which we call sum-product networks (SPNs) and will present in this abstract.