Šíření očekávání (EP)
Očekávané šíření (EP) je deterministický algoritmus předávání zpráv pro aproximaci aposteriorní inference v Bayesovských modelech, představený Thomasem P. Minkou na UAI 2001. Iterativně zdokonaluje sadu lokálních aproximujících faktorů — každý z exponenciální rodiny — tak, aby jejich součin úzce odpovídal skutečné netraktovatelné aposteriorní distribuci, čímž dosahuje vyšší přesnosti než variační inference středního pole na mnoha úlohách pravděpodobnostního strojového učení.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Minka, T. P. (2001). Expectation propagation for approximate Bayesian inference. In Proceedings of the Seventeenth Conference on Uncertainty in Artificial Intelligence (UAI-01), pp. 362–369. Morgan Kaufmann. link ↗
- Minka, T. P. (2001/2013). Expectation propagation for approximate Bayesian inference. arXiv:1301.2294 [cs.AI]. link ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. (Chapter 10: Approximate Inference; Section 10.7 covers Expectation Propagation.) ISBN: 978-0387310732
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Expectation Propagation for Approximate Bayesian Inference. ScholarGate. https://scholargate.app/cs/bayesian/expectation-propagation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Laplaceova aproximaceBayesovská statistika↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovská statistika↔ compare
- Variační inferenceBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →