问题标签 [belief-propagation]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
algorithm - 用于对无向图进行三角剖分的通用算法？
我正在尝试在贝叶斯网络上实现一个用于信念传播的连接树算法。我在对图表进行三角剖分时有点挣扎，以便可以形成连接树。
我知道找到最佳三角剖分是 NP 完全的，但是你能指出一个通用算法，它会为相对简单的贝叶斯网络产生“足够好”的三角剖分吗？
这是一个学习练习（爱好，而不是家庭作业），所以我不太关心空间/时间复杂度，只要算法在给定任何无向图的情况下产生三角图。最终，在尝试进行任何近似之前，我试图了解精确的推理算法是如何工作的。
我正在使用 NetworkX 在 Python 中进行修补，但是使用典型的图遍历术语对这种算法的任何伪代码描述都是有价值的。
谢谢！
java - 贝叶斯信念网络框架“Infer.NET”是否有 java 替代品？
是 Java 替代贝叶斯信念网络框架 - Infer.NET 吗？如果它是可扩展的（大型数据集的在线学习）、良好的支持（自 2010 年以来最后一次更新）、开源且易于编写的网络结构，则更可取。因此，所有功能都来自 Infer.NET。
propagation - 一个简单的标准信念传播
我读了张的论文Expert Finding in A Social Network，公式（1）是一种基于传播的方法，类似于标准的信念传播。是否有代码示例或工具可以做到这一点？传播调度程序似乎需要并行实现。任何指导将不胜感激。
python - 通过固定参数来限制功能
我应该如何通过修复它的参数来制作比原始函数更小的函数：
例如，我想用 sum 函数制作后继函数，如下所示：
现在我正在寻找这样的东西：
g = f(~, 1)这将是后继功能，即g(x) = x+1.
python - 信念传播实施
我正在尝试实现贝叶斯网络。
我的主图是我想用于信念传播的因子图。但是，在计算消息时的信念传播中，并非所有参数都传递给函数，最终函数将成为联合分布的限制。
我想到的最好方法是以某种方式限制函数，以便每次我想计算新值的边际时都不进行所有替换。
我在这里问如何实现这样的功能。
我想知道是否有更好的方法来做这样的事情，或者有没有比我想做的更简单、更快的方法。
image-processing - 如何使用信念传播实现光流？
我不确定我是否可以在 stackoverflow 中提出这类问题，但我在这里看到了一些关于理解算法的问题，所以我发布了我的问题。如果不合适，请告诉我。
我正在尝试使用 BP（信念传播）算法实现光流，但我迷路了。
我看过http://www.cs.cornell.edu/~dph/papers/bp-cvpr.pdf这个链接，他们说他们用 BP 实现了 OF，但我不明白如何。
他们在这里发布了他们的代码，但它只包括立体视觉和图像恢复示例。我需要光流！
我了解他们如何使用 BP 实现立体视觉。但我不明白的是：由于 BP 正在解决标签问题，因此在使用 BP 时，您应该从一组标签中为每个像素分配适当的标签。
现在光流正在计算二维向量。他们是否将一组向量作为标签，即 {(0,0},(1,0),(2,0),(1,1)...} 并为每个像素分配适当的标签？？会有标签太多，会花费太多时间！
如果有人对如何使用 BP 计算光流有任何见解（特别是标签集应该是什么），请给我一个建议。
任何帮助将不胜感激。
谢谢！
c# - 在 C# 中组合委托（和积算法）
我目前正在为离散变量实施信念传播。
消息是函数。我需要能够使用产品和总和将它们组合起来以产生新的功能。
我目前有一个使用委托的基本实现，但我想知道是否有更好的方法来处理这个问题。我还担心这将如何使用代表进行扩展。
这是我的实现示例：
有没有更有效的方法来实现这一目标？
