Propagação de Expectância (EP)
A Propagação de Expectância (EP) é um algoritmo determinístico de passagem de mensagens para inferência posterior aproximada em modelos Bayesianos, introduzido por Thomas P. Minka na UAI 2001. Ele refina iterativamente um conjunto de fatores aproximados locais — cada um extraído da família exponencial — de modo que seu produto se aproxime do verdadeiro posterior intratável, alcançando maior precisão do que a inferência variacional de campo médio em muitas tarefas de aprendizado de máquina probabilístico.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Expectation Propagation for Approximate Bayesian Inference. ScholarGate. https://scholargate.app/pt/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.
- Aproximação de LaplaceBayesiano↔ compare
- Cadeia de Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Inferência VariacionalBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →