个人认为是一本比较好的贝叶斯网络建模和推理方面的书，上传给大家参考

视觉互动网络 Google Deepmind的Visual Interaction Networks的Tensorflow实现。 在Tensorflow r1.2上实现。 “关系推理的另一个关键部分涉及到预测物理场景中的未来。人们一眼就能推断出物体在哪里，而且还能推断出在接下来的几秒钟，几分钟甚至更长的时间内物体会发生什么。例如，如果您将足球踢到墙壁上，您的大脑会预测当球撞击墙壁时会发生什么，以及随后的运动会受到怎样的影响（球会以与踢球成正比的速度跳动，并且-在大多数情况下， -墙壁将保留在

图模型在机器学习有着广泛的应用。相比图模型，Sum-Product Networks模型具有更强表达能力和更快的推理速度，所以其在对文本和图像数据建模有着广泛的应用。本文总结Sum-Product Networks这一新的深度概率模型的研究进展，先介绍了固定结构的Sum-Product Networks的参数学习方法，再介绍了根据不同的输入数据而进行的结构和参数学习方法。并且介绍了判别式和生成模型的Sum-Product Networks，最后介绍了Sum-Product Networks在文本