什么是“消息传递方法”？

我对什么是消息传递方法有一个模糊的认识：一种算法，该算法通过在所有其他因子的所有近似值的基础上迭代构建分布的每个因子的近似值来构建分布的近似值。

我相信这两个都是变体消息传递和期望传播的示例。什么是更明确/正确的消息传递算法？欢迎参考。

由于您需要参考，因此我可以推荐David MacKay的第16章Information Theory, Inference, and Learning Algorithms。（您无需阅读前15章即可了解第16章）。该书可免费从作者的网站下载（经出版商许可）。

有关有趣的示例，请查看John Winn的论文。使用消息传递算法进行一般的变奏合奏学习-可以轻松构造诸如ICA和PCA的推理问题。

也许有关信念传播的文章会有所帮助。

本文提供了两个要点说明，说明“消息”如何沿因子图中的边缘传递。可以对任何图形执行此“消息传递”。对于树，该算法在某种意义上是精确的，因为它可以计算出树中节点的所需边际和联合分布。尝试对通用图进行算法迭代以生成所需边际或联合分布的近似值。