Saya akan mencoba menjawab pertanyaan saya sendiri.
Pesan
Gagasan yang sangat penting dari grafik faktor adalah pesan , yang dapat dipahami ketika A mengatakan sesuatu tentang B, jika pesan diteruskan dari A ke B.
Dalam konteks model probabilistik, pesan dari faktor ke variabel dapat dilambangkan sebagai , yang dapat dipahami sebagai tahu sesuatu (distribusi probabilitas dalam kasus ini) dan memberitahukannya kepada .fxμf→ xfx
Faktor merangkum pesan
Dalam konteks "faktor", untuk mengetahui distribusi probabilitas dari beberapa variabel, seseorang harus memiliki semua pesan yang siap dari faktor tetangganya dan kemudian merangkum semua pesan untuk mendapatkan distribusi.
Misalnya, dalam grafik berikut ini, edge, , adalah variabel dan node, , adalah faktor yang terhubung oleh edge.xsayafsaya
Untuk mengetahui , kita perlu mengetahui dan dan merangkumnya bersama.P(x4)μf3→x4μf4→x4
Struktur pesan rekursif
Lalu bagaimana cara mengetahui kedua pesan ini? Misalnya, . Itu dapat dilihat sebagai pesan setelah merangkum dua pesan, dan . Dan pada dasarnya adalah , yang dapat dihitung dari beberapa pesan lain.μf4→x4μx5→f4μx6→f4μx6→f4μf6→x6
Ini adalah struktur pesan rekursif, pesan dapat didefinisikan oleh pesan .
Rekursi adalah hal yang baik, satu untuk pemahaman yang lebih baik, satu untuk implementasi program komputer yang lebih mudah.
Kesimpulan
Manfaat faktor adalah:
- Factor, yang merangkum pesan inflow dan menampilkan pesan outflow, memungkinkan pesan yang penting untuk menghitung marginal
- Faktor-faktor memungkinkan struktur rekursif menghitung pesan, membuat pesan yang lewat atau proses penyebaran kepercayaan lebih mudah dipahami, dan mungkin lebih mudah untuk diterapkan.