Propagasi Ekspektasi (EP)
Propagasi Ekspektasi (EP) adalah algoritma pengiriman pesan deterministik untuk inferensi posterior perkiraan dalam model Bayesian, yang diperkenalkan oleh Thomas P. Minka pada UAI 2001. Algoritma ini secara iteratif menyempurnakan sekumpulan faktor perkiraan lokal — masing-masing diambil dari keluarga eksponensial — sehingga hasil perkaliannya sangat cocok dengan posterior sejati yang sulit dihitung, mencapai akurasi yang lebih tinggi daripada inferensi variasi medan-rata-rata pada banyak tugas pembelajaran mesin probabilistik.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Expectation Propagation for Approximate Bayesian Inference. ScholarGate. https://scholargate.app/id/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.
- Aproksimasi LaplaceBayesian↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesian↔ compare
- Inferensi VariasionalBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →