练习 2:高斯分布,正态分布

 
期望传播(Expectation Propagation): 基于bayesian的一种近似推断方法,常用于图模型中计算单个节点的边缘分布或者后验分布,属于message passing这一类推断方法
 

截断高斯: Truncated Gaussian

置信传播: Belief Propagation (后面会简称BP)

期望传播: Expectation Propagation (后面会简称为EP)

消息传递: Message passing
 
高斯相加:即两者的均值,方差都加
相减类似。x1=x-x2  
x1=N(m1,v1)                        
X=N(m1+m2,v1+v2)
所以x-x2,就是N(  (m1+m2)-m2,(v1+v2)-m2 )
 
相乘,不再正态分布
 
 
截断高斯
 
所以x-
 
posted @   一名IT老农  阅读(488)  评论(0编辑  收藏  举报
编辑推荐:
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
阅读排行:
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· 单线程的Redis速度为什么快?
· SQL Server 2025 AI相关能力初探
· 展开说说关于C#中ORM框架的用法!
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
历史上的今天:
2013-05-24 PUNWIN2009去广告功能,破解小试屏蔽广告
点击右上角即可分享
微信分享提示