Expectation Propagation (EP)
Expectation Propagation (EP) er en deterministisk meldingsoverføringsalgoritme for tilnærmet posterior inferens i Bayesianske modeller, introdusert av Thomas P. Minka ved UAI 2001. Den raffinerer iterativt et sett med lokale tilnærmede faktorer — hver trukket fra eksponentialfamilien — slik at produktet deres nærmer seg den sanne intrakte posteriorfordelingen, og oppnår høyere nøyaktighet enn gjennomsnittsfelt-variasjonsinferens på mange sannsynlighetsbaserte maskinlæringsoppgaver.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Expectation Propagation for Approximate Bayesian Inference. ScholarGate. https://scholargate.app/no/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.
- Laplace-approksimasjonBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
- VariasjonsinferensBayesiansk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →