2.4 延伸阅读

限于篇幅，本章高度概括了贝叶斯网络的基本问题和完全贝叶斯方法的主要思想，但没有深入地讨论贝叶斯方法在计算上的挑战及经典的推断和学习算法。感兴趣的读者可以参考Christopher Bishop的著作Pattern Recognition and Machine Learning了解相关方法。有余力的读者如果想全面、深入地了解概率图模型的相关内容，可以参考Daphne Koller和Nir Friedman的著作Probabilistic Graphical Models:Principles and Techniques。对变分推断感兴趣的读者可以深入阅读Martin Wainw right和M ichael Jordan的著作Graphical Models，Exponential Families，and Variational Inference。

贝叶斯深度学习是一个前沿、活跃的研究方向，除了本章中提到的论文，近几年很多工作成果都发表在机器学习的重要国际会议ICML、NeurIPS和ICLR上。如果读者希望从事相关研究，可以深入阅读近年来这些会议中的相关论文。