AI前沿人
下载贤集网APP入驻自媒体
随着大数据的快速发展，以概率统计为基础的机器学习在近年来受到工业界和学术界的极大关注，并在视觉、语音、自然语言、生物等领域获得很多重要的成功应用，其中贝叶斯方法在过去20多年也得到了快速发展，成为非常重要的一类机器学习方法。 总结了贝叶斯方法在机器学习中的最新进展，具 体内容包括贝叶斯机器学习的基础理论与方法、非参数贝叶斯方法及常用的推理方法、正则化贝叶斯方法等。最后，还针对大规模贝叶斯学习问题进行了简要的介绍和展望，对其发展趋势作了总结和展望。 机器学习是人工智能及模式识别领域的共同研究热点，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。 机器学习的一个重要分支是贝叶斯机器学习。贝叶斯方法最早起源于英国数学家托马斯•贝叶斯在1763年所证明的一个关于贝叶斯定理的一个特例。经过多位统计学家的共同努力，贝叶斯统计在20世纪50年代之后逐步建立起来，成为统计学中一个重要的组成部分。贝叶斯定理因为其对于概率的主观置信程度的独特理解而闻名。 此后由于贝叶斯统计在后验推理、参数估计、模型检测、隐变量概率模型等诸多统计机器学习领域方面有广泛而深远的应用。从1763年到现在已有250多年的历史，这期间贝叶斯统计方法有了长足的进步。在21世纪的今天，各种知识融会贯通，贝叶斯机器学习领域将有更广阔的应用场景，将发挥更大的作用。
