Propagation des attentes (EP)
La Propagation des Attentes (EP) est un algorithme déterministe de passage de messages pour l'inférence bayésienne approximative des distributions a posteriori dans les modèles bayésiens, introduit par Thomas P. Minka à la conférence UAI en 2001. Il affine itérativement un ensemble de facteurs approximatifs locaux — chacun tiré de la famille exponentielle — de sorte que leur produit corresponde étroitement à la vraie distribution a posteriori intraitable, atteignant une précision supérieure à l'inférence variationnelle par champ moyen sur de nombreuses tâches d'apprentissage automatique probabiliste.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Expectation Propagation for Approximate Bayesian Inference. ScholarGate. https://scholargate.app/fr/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.
- Approximation de LaplaceBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
- Inférence variationnelleBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →