graph2 [PGM] part1 - Bayesian Network 확률 그래피컬 모델(Probability Graphical Model) - part1 1. 확률과 그래프의 만남 1.1 그래프 표현 방향 그래프(directed graph) : 베이지안 네트워크(Bayesian network) = 방향 그래피컬 모델(Dirtected graphical model) 그래프는 인과관계를 표현하는 뼈대를 형성하고, 뼈대에 확률을 부여합니다. 무방향 그래프(undirected graph) : 마르코프 랜덤필드 MRF(Markov Random Field) = 무방향 그래피컬 모델(undirected graphical model) 영상의 각 화소는 이웃화소와 밀접한 연관이 있지만, 한 화소가 다른 화소에게 일방적으로 영향을 미치는 인과관계는 형성되지 않습니다. 따라서 영상은 무방향.. 2019. 11. 28. 27. 그래프 그래프 사용의 예 철도망의 안정성 분석 - 28 절단점 찾기 알고리즘 소셜 네트워크 분석 - 29 BFS(너비 우선 탐색) 인터넷 전송 속도 계산 - 31 최소 스패닝 트리 한 붓 그리기 (오일러 경로) - 28.4 DFS(깊이 우선 탐색) 외환 거래 - 30 최단 거리 알고리즘 암시적 그래프 구조들 그래프 형태를 갖는 구조가 아니라도, 그래프를 통해서 표현하면 쉽게 해결할 수 있는 문제들이 있음. 이를 암시적 그래프(implicit graph)라 한다. 할일 목록 정리 - 위상 정렬(topological sort) - 28 DFS(깊이 우선 탐색) 15-퍼즐 - 29, 30 최단 경로 문제 게임판 덮기 - 32 이분 그래프, 이분 매칭 알고리즘 회의실 배정 - 28 강 결합성 문제 그래프의 표현: 인접.. 2019. 9. 8. 728x90 이전 1 다음
