de.mpg.escidoc.pubman.appbase.FacesBean
Deutsch
 
Hilfe Wegweiser Impressum Kontakt Einloggen
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT

Freigegeben

Bericht

Fast Convergent Algorithms for Expectation Propagation Approximate Bayesian Inference

MPG-Autoren
http://pubman.mpdl.mpg.de/cone/persons/resource/persons84205

Seeger,  M
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;

http://pubman.mpdl.mpg.de/cone/persons/resource/persons84109

Nickisch,  H
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen
Es sind keine Externen Ressourcen verfügbar
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Seeger, M., & Nickisch, H.(2010). Fast Convergent Algorithms for Expectation Propagation Approximate Bayesian Inference.


Zitierlink: http://hdl.handle.net/11858/00-001M-0000-0013-BD46-F
Zusammenfassung
We propose a novel algorithm to solve the expectation propagation relaxation of Bayesian inference for continuous-variable graphical models. In contrast to most previous algorithms, our method is provably convergent. By marrying convergent EP ideas from (Opperamp;Winther 05) with covariance decoupling techniques (Wipfamp;Nagarajan 08, Nickischamp;Seeger 09), it runs at least an order of magnitude faster than the most commonly used EP solver.