#paper URL: http://starai.cs.ucla.edu/papers/ProbCirc20.pdf Probabilistic circuits: A unifying framework for tractable probabilistic models 概率模型是现代机器学习(ML)和人工智能(AI)的核心。 事实上,概率论为在不确定性存在的情况下做出决策提供了一个原则性的、几乎普遍采用的机制。例如,在机器学习中,我们假设我们的数据来自未知的概率分布； 许多机器学习任务简化为简单地执行概率推理。类似地,许多形式的基于模型的人工智能寻求直接将支配我们周围世界的机制表示为某种形式的概率分布。 难怪 ML 中的许多注意力都放在从数据中学习分布上。我们将越来越多的表达性概率模型作为密度估计器,这些模型越来越接近产生数据的分布 但是之前模型及深度学习中的模型效率都不高，而且还不准确，我们要开发理论上可靠的模型且推理时间可控。且富有表现力，现在可以用统一的模型Probabilistic Circuits来处理。 Probabilistic Circuits特点：Probabilistic Circuits就是神经网络，而且是分层混合网络模型