Propagacja oczekiwań (EP)
Propagacja oczekiwań (EP) to deterministyczny algorytm przekazywania komunikatów do przybliżonego wnioskowania o rozkładzie aposteriornym w modelach bayesowskich, wprowadzony przez Thomasa P. Minkę na konferencji UAI w 2001 roku. Iteracyjnie udoskonala zbiór lokalnych przybliżonych czynników — każdy pochodzący z rodziny wykładniczej — tak, aby ich iloczyn ściśle odpowiadał prawdziwemu, nietraktowalnemu rozkładowi aposteriornemu, osiągając wyższą dokładność niż wariacyjne wnioskowanie metodą pola średniego w wielu zadaniach probabilistycznego uczenia maszynowego.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Expectation Propagation for Approximate Bayesian Inference. ScholarGate. https://scholargate.app/pl/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.
- Aproksymacja Laplace'aStatystyka bayesowska↔ compare
- Łańcuchy Markowa i symulacje Monte Carlo (MCMC)Statystyka bayesowska↔ compare
- Inferencja wariacyjnaStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →