주 메뉴 열기

바뀜

크기가 바뀐 것이 없음 ,  4년 전
이런 이유 때문에, 효율적 추론을 위해 일반적 그래프에서는 정확한 추론 알고리즘 보다는 근사적 추론 알고리즘이 필요하다. 주로 다음과 같이 두 종류의 근사 추론 알고리즘이 사용된다:
 
* [[몬테 카를로 알고리즘방법|몬테 카를로 방법알고리즘]](Monte Carlo algorithm): 확률적 알고리즘으로, 관심이 있는 분포의 샘플을 근사적으로 생성해낸다. 대표적인 예로는 [[기브스 표집]] 알고리즘(Gibbs sampling algorithm)이 있다.
* 변분 알고리즘(variational algorithm): 다루기 힘든 분포와 가장 근사하며 간단한 분포를 찾아내어 푸는 방법으로, 추론 문제를 최적화 문제로 바꾸어 푼다. 대표적인 예로는 [[신뢰전파]] 알고리즘이 있다.
몬테 카를로 방법은 치우침이 없는(unbiased) 대신 계산 시간이 언제 끝날지 알 수 없다는 단점이 있다. 변분 방법은 이에 비해 상당히 빠르지만 치우침이 있어(biased) 에러를 포함하며, 계산 시간을 늘리더라도 에러가 줄지 않는 단점이 있다. 파라미터 추정 과정에서 추론이 많은 회수 반복되기 때문에, 조건부 무작위장의 효율적인 학습을 위해서는 변분 방법이 더욱 선호된다.

편집

40