Modèles probabilistes

Un réseau de croyance est un modèle graphique qui représente les relations probabilistes entre variables.

Une distribution bêta a priori est un modèle statistique utilisé en statistique bayésienne pour représenter les croyances sur les probabilités.

L'inférence exacte est une méthode statistique qui calcule les probabilités exactes des résultats dans un modèle probabiliste.

L'algorithme Forward-Forward est une technique utilisée dans les modèles de Markov cachés pour calculer les probabilités de séquences.

Les modèles graphiques sont des modèles probabilistes qui représentent des relations complexes à l'aide de graphes.

Le Gumbel Softmax est une technique d'échantillonnage différentiable à partir de distributions catégoriques en apprentissage automatique.

Un modèle de Markov est un modèle statistique qui prédit les états futurs en se basant uniquement sur l'état actuel, sans mémoire des états passés.

Un Champ Aléatoire de Markov (MRF) est un modèle graphique qui représente la distribution conjointe d'un ensemble de variables aléatoires avec des dépendances locales.

Un réseau de densité mixture (MDN) prédit des distributions de probabilité plutôt que des sorties uniques, utile pour la modélisation de données complexes.

La probabilité de sortie fait référence à la probabilité d'un résultat spécifique dans un modèle probabiliste ou un système d'IA.

La probabilité de paramètre se réfère à la probabilité de paramètres spécifiques du modèle étant donné les données observées.