基于置信传播的离散独立成分分析（DICA）
计算机视觉与模式识别
2015-05-27 v1 机器学习
机器学习
摘要
我们将置信传播应用于由离散独立隐变量与离散可见变量组成的贝叶斯二部图。该网络是独立成分分析（ICA）的离散对应物，即离散独立成分分析（DICA），并以因子图形式进行操作以实现推断与学习。报告了针对来自 MNIST 数据集的字符图像的一套完整仿真。结果表明，由源实现的阶乘码有助于构建数据的良好生成模型，该模型可用于多种推断模式。
引用
@article{arxiv.1505.06814,
title = {Discrete Independent Component Analysis (DICA) with Belief Propagation},
author = {Francesco A. N. Palmieri and Amedeo Buonanno},
journal= {arXiv preprint arXiv:1505.06814},
year = {2015}
}
备注
Sumbitted for publication (May 2015)