码上欢乐
相关内容   简体   繁体

概率图模型 ——（7）树状图中的信念传播算法（Belief Propagation）

本文转载自  查看原文  2020-07-23 15:27  765    概率图模型

@

目录

一、简介

在这里插入图片描述

二、算法流程

在这里插入图片描述

  1. 节点势函数初始化；
    在这里插入图片描述

  2. 所有消息初始化为 1；

  3. 选取所有边，迭代更新消息 ；
    在这里插入图片描述

  4. 当消息传递收敛时，计算所有节点的信念（belief）
    在这里插入图片描述

三、BP 算法与Bethe 聚类图

在这里插入图片描述

四、BP 算法与团树传播算法的联系

在这里插入图片描述

在这里插入图片描述


免责声明！

本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。



猜您在找 概率图模型 ——（6）团树传播算法 前向传播算法(Forward propagation)与反向传播算法(Back propagation) 概率图模型之EM算法 Back Propagation：误差反向传播算法 标签传播算法（Label Propagation）及Python实现 [2] TensorFlow 向前传播算法(forward-propagation)与反向传播算法(back-propagation) 概率图模型（推理：消息传递算法）（五） 机器学习 —— 概率图模型（推理：采样算法） copula与概率图模型 概率图模型
 
粤ICP备18138465号  © 2018-2025 CODEPRJ.COM