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。2.3 分离知识与算法