f39376

行列式点过程（DPP）是量子物理学和随机矩阵理论中出现的优雅的排斥概率模型。与传统的结构模型（如马尔可夫随机字段）相比，传统的结构模型在负相关的情况下变得棘手且难以近似，因此DPP可用于采样，边缘化，调节和其他推理任务的精确算法。我们对DPP进行了温和的介绍，重点关注与机器学习社区最相关的直觉，算法

本书是英国剑桥大学卡文迪许实验室的著名学者DavidJ.C.MacKay博士总结多年教学经验和科研成果，于2003年推出的一部力作。本书作者不仅透彻地论述了传统信息论的内容和最新编码算法，而且以高度的学科驾驭能力，匠心独具地在一个统一框架下讨论了贝叶斯数据建模、蒙特卡罗方法、聚类算法、神经网络等属于

在过去几十年中，使用概率技术的信息检索引起了信息和计算机科学研究人员的重视。基于知识的技术也为智能信息检索和索引做出了令人印象深刻的贡献。最近，信息科学研究人员 转向其他新的基于人工智能的归纳学习技术，包括神经网络符号学习和遗传算法这些基于不同范式的新技术为研究人员提供了增强当前信息存储和检索系统的