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
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-
分类:
机器学习
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 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)
· 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?
2013-05-24 PUNWIN2009去广告功能,破解小试屏蔽广告