模板模型 , 是机器学习模型进行时空上复制的一种有效方法 — David 9
接着上一讲, 有向图模型与贝叶斯网络基础, 这一讲我们关注模板模型 (Template Models). “模板模型”在机器学习领域, 并非常用的术语, 但是在许多概率图模型中, 都有”模板模型”的影子.
所以, “模板模型”这样有价值的概率图模型抽象思想, 值得用一篇文章来解释解释.
首先, 模板模型 (Template Models)顾名思义, 是用模板的思维建立出的模型. 许多非常复杂的图模型, 事实上是可以简化的. 简化时, 通过共享通用的变量, 通用的概率图结构, 可以归纳出通用的模板模型, 达到类似复用的效果.
还记得我们讲过的动态主题模型 ? 动态主题模型正是在不同的时间点上, 复制主题模型的. 这里, 主题模型就是一个模型模型. 模版模型描述了模版变量如何从模版中继承依赖关系，同样应用的典型例子有: 动态贝叶斯模型DBN、隐马尔科夫模型HMM, 及盘模型Plate Models。
在来看一下课程试题, 加深对模板模型的印象:
继续阅读Stanford教授Daphne Koller 概率图模型 — 终极入门 第二讲 模板模型 (Template Models)