线性模型中基于峰-板先验的收敛期望传播
摘要：线性回归模型中带有锥状和平板先验的准确推断往往是棘手的。期望传播（EP）可用于近似推断。然而，当训练集的规模非常小的时候，常规顺序形式的EP（R-EP）可能无法收敛于该模型。作为一种替代方案，我们提出了一种经过验证的收敛EP算法（PC-EP）。经过验证，PC-EP能够最小化一个能量函数，该函数在某些约束条件下受到下界的限制，其定点与R-EP的解相一致。使用合成数据进行的实验证明，当R-EP无法收敛时，PC-EP生成的近似通常更好。相比之下，当R-EP收敛时，两种方法的性能相似。
作者：Jos''e Miguel Hern''andez-Lobato and Daniel Hern''andez-Lobato
论文ID：1112.2289
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-12-13