習題11.1
寫出圖11.3中無向圖描述的概率圖模型的因子分解式。
解答
P(Y1,Y2,Y3,Y4)=Z1ψc1(Y1,Y2,Y3)ψc2(Y2,Y3,Y4)
Z=∑Yψc1(Y1,Y2,Y3)ψc2(Y2,Y3,Y4)
習題 11.2
證明Z(x)=αnT(x)⋅1=1T⋅β0(x),其中1是元素均爲1的m維列向量。
解答
本式子出現在書的199頁11.3.1前向-後向算法這一小節
PS:書中是β1(x),但是我個人覺得這兒應該是β0(x)
Z(x)=(M1(x)M2(x)...Mn+1(x))start,stop即M1(x)M2(x)...Mn+1(x)得到的結果矩陣M(mm維度)的(start,stop)位置的元素。其中Mn+1(x)爲m*m維度的矩陣,但是隻有stop列爲1,其餘爲0。或者說Z(x)的值爲M1(x)M2(x)...Mn(x)結果矩陣M′的start行的所有元素之和。
αnT(x)⋅1=αn−1T(x)Mn(x)⋅1=αn−2T(x)Mn−1(x)Mn(x)⋅1=...=α0T(x)M1(x)M2(x)...Mn(x)⋅1=Z(x)
說明:α0T(x)M1(x)M2(x)...Mn(x)得到的是1m維度的行向量,其值爲M1(x)M2(x)...Mn(x)的start行的元素,將其與1是元素均爲1的m維列向量點乘,得到的即爲M1(x)M2(x)...Mn+1(x)的(start,stop)位置的元素值。
1T⋅β0(x)=1T⋅M1(x)β1(x)=...=1T⋅M1(x)M2(x)M3(x)...Mn(x)⋅βn+1(x)=Z(x)
說明:同理,M1(x)M2(x)M3(x)...Mn(x)⋅βn+1(x)得到的是列向量,其每個值爲M1(x)M2(x)...Mn(x)的對應的一行元素之和(除了start列處,其餘元素爲0,與1T點乘後得到的即爲M1(x)M2(x)...Mn+1(x)的(start,stop)位置的元素值。
習題11.3
寫出條件隨機場模型學習的梯度下降法.
參考Blog
習題11.4
參考圖11.6的狀態路徑圖,假設隨機矩陣M1(x),M2(x),M3(x),M4(x)分別是
M1(x)=[00.500.5],M2(x)=[0.30.70.70.3]
M3(x)=[0.50.60.50.4],M4(x)=[0011]
求以start=2爲起點stop=2爲終點的所有路徑的狀態序列y的概率及概率最大的狀態序列.
解答
y=(1,1,1)=a21b11c11=0.5∗0.3∗0.5=0.075
y=(1,1,2)=a21b11c12=0.5∗0.3∗0.5=0.075
y=(1,2,1)=a21b12c21=0.5∗0.7∗0.6=0.21(最大)
y=(1,2,2)=a21b12c22=0.5∗0.7∗0.4=0.14
y=(2,1,1)=a22b21c11=0.5∗0.7∗0.5=0.175
y=(2,1,2)=a22b21c12=0.5∗0.7∗0.5=0.175
y=(2,2,1)=a22b22c21=0.5∗0.3∗0.6=0.09
y=(2,2,2)=a22b22c22=0.5∗0.3∗0.4=0.06