Propagación por Expectativas (EP)
La Propagación por Expectativas (EP) es un algoritmo determinista de paso de mensajes para la inferencia aproximada de la posterior en modelos bayesianos, introducido por Thomas P. Minka en UAI 2001. Refina iterativamente un conjunto de factores aproximados locales —cada uno extraído de la familia exponencial— de modo que su producto se aproxime estrechamente a la verdadera posterior intratable, logrando una mayor precisión que la inferencia variacional de campo medio en muchas tareas de aprendizaje automático probabilístico.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Expectation Propagation for Approximate Bayesian Inference. ScholarGate. https://scholargate.app/es/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.
- Aproximación de LaplaceBayesiano↔ compare
- Cadenas de Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Inferencia VariacionalBayesiano↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →