深度学习图模型的优势、学习与深度学习方法（九十二）
1. 定位导航
🎉「结构化概率模型」收官！以 RBM 为例展示深度学习的图模型风格。
前两篇讲了图模型的基本概念（90）和核心性质（91）。本篇收尾——总结结构化建模的优势，对比深度学习与传统图模型的不同风格，并以RBM（受限玻尔兹曼机）为典型例子，连接到第 20 章的深度生成模型。
1.1 本篇脉络
结构化建模的优势 → 深度学习的图模型风格 → RBM 实例 → 第16章总结2. 结构化建模的优势
2.1 主要优点
使用结构化概率模型的主要优点是它们能够显著降低表示概率分布、学习和推断的成本。
2.2 核心机制
选择不对某些变量的相互作用进行建模，是允许所有这些操作使用较少运行时间和内存的主要机制。
图模型通过省略某些边来传达信息——在没有边的情况下，模型假设不对变量间直接的相互作用建模。