В курсе "Графические вероятностные модели" в пятницу была основная лекция про, собственно говоря, графические вероятностные модели: СПбГУ — 2026.03.20 — Графические модели, фактор-графы, алгоритм передачи сообщений (слайды и доска, как всегда, на странице курса) Это классическая идея с очень долгой историей: кажется очень интуитивным нарисовать граф, выражающий, что "одна переменная зависит от другой". Но что это реально математически значит? Зависимость в вероятностном смысле (а нам в итоге нужен именно он, мы же обучать что-то хотим в этом графе) — это не то чтобы однозначно направленное ребро. Да и зависимости и независимости обычно бывают условными: в модели всё со всем связано (иначе зачем она такая нужна), но связано опосредованно, одни переменные связаны через другие. Графические вероятностные модели — это о том, как всё-таки нарисовать что-то так, чтобы оно имело и наглядный интуитивный смысл, и формальный математический. Бывают направленные и ненаправленные модели, и у них внезапно довольно сложные взаимоотношения: не любые вероятностные предположения можно нарисовать, причём разными моделями можно нарисовать разные случаи. А ещё бывают фактор-графы, и ими уже можно нарисовать всё буквально по определению, но люди как-то больше привыкли рисовать именно направленные модели. В общем, мы это всё обсудили, и обсудили алгоритм передачи сообщений, которым можно вести точный вывод на фактор-графе, являющемся деревом. Но, конечно, интересные и практически важные графы деревьями обычно не являются, и именно для этого нужен приближённый вывод. Об этом мы начнём говорить в следующий раз. #spsu #lectures #pgm2026