前沿|概率图模型

From 洪亮劼老师

在过去10年里，特别是在深度学习（Deep Learning）红得发紫之前，概率图模型（Probabilistic Graphical Model）曾经是当仁不让的建模工具以及解决很多实际问题的Go-To方案。那么，在深度学习的强力冲击下，概率图模型的研究发展未来又是怎么样的呢？那很容易想到的就是和深度学习结合起来。

在今年暑期由加拿大Canadian Institute For Advanced Research (CIFAR) 和the Centre de Recherches Mathématiques联合举办的Deep Learning and Reinforcement Learning暑期学校上，机器学习权威Max Welling（这一在概率图模型时代有很多突出贡献的学者）和来自Google Brain的Matthew Johnson（之前师从哈佛的Ryan Adams）共同做了一个两个部分（第一部分，https://drive.google.com/file/d/0B6NHiPcsmak1NHJHdzEySzNNQ0U/view）（第二部分，https://drive.google.com/file/d/0B6NHiPcsmak1RmZ3bmtFWUd5bjA/view）的讲座，介绍了深度学习和概率图模型的结合工作。

这两个讲座应该说，至少从Slides方面看，组织比较松散，不过基本的基于Stochastic-Markov-Chain-Monte-Carlo（SDMCMC）到底要干什么、Variational Autoencoder是什么思路以及各种变种都要解决什么问题，这个讲座还是很清晰得交代了。当然，很多细节肯定需要看原始的论文。这个讲座适合对概率图模型有兴趣的朋友泛读。