Bayesian methods
기대 전파 (EP)
기대 전파(EP)는 토마스 P. 민카가 2001년 UAI에서 소개한 베이즈 모델의 근사 사후 추론을 위한 결정론적 메시지 전달 알고리즘입니다. 이 알고리즘은 국소적 근사 인자들의 집합을 반복적으로 개선하는데, 각 인자는 지수족에서 추출됩니다. 이들의 곱이 실제 다루기 어려운 사후 분포와 밀접하게 일치하도록 하여, 많은 확률적 기계 학습 작업에서 평균장 변분 추론보다 높은 정확도를 달성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Expectation Propagation for Approximate Bayesian Inference. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →