2020年7月23日
摘要：
@ 一、算法特点 二、最小s-t 切分 三、最大流问题 注意：双向节点，一个方向减少多少，相反方向就要增加多少 剩余还有流量与s节点或t节点相连的为对应的集合 四、利用图切法求解概率推理问题 4.1 图切法的适用条件 4.2 能量函数 4.3 算法流程 五、应用 阅读全文
摘要：
@ 一、简介 二、变量消元法求MAP 三、团树传播算法求MAP 四、小结 阅读全文
摘要：
@ 一、简介 二、算法流程 节点势函数初始化； 所有消息初始化为 1； 选取所有边，迭代更新消息 ； 当消息传递收敛时，计算所有节点的信念（belief） 三、BP 算法与Bethe 聚类图 四、BP 算法与团树传播算法的联系 阅读全文
摘要：
@ 一、变量消元与团树的关系 二、聚类图（cluster graph） 三、团树传播算法(clique tree message passing） 3.1利用变量消元过程构建一个聚类图 3.2 由变量消元法构建的聚类图的性质 3.3 用团树传播算法计算变量 X 的边缘概率 算法流程： 利用变量消元构 阅读全文
摘要：
@ 一、推理问题的分类 二、变量消元法 2.1 示例1 2.2 示例2 变量消元的顺序并不是固定的，可以任意改变 2.3 变量消元法时间复杂度分析 2.4 导出图 2.5 变量消元法消元顺序 三、小结 阅读全文