উত্তর:
থেকে:
জু এল এবং জর্ডান এমআই (1996)। গাউসিয়ান মিক্সচারের জন্য ইএম অ্যালগরিদমের কনভার্জেন্স প্রোপার্টি । নিউরাল গণনা 2: 129-151।
সারাংশ:
আমরা দেখাই যে প্যারামিটার স্পেসের EM পদক্ষেপটি প্রক্ষেপণ ম্যাট্রিক্স পি এর মাধ্যমে গ্রেডিয়েন্ট থেকে প্রাপ্ত হয়েছিল এবং আমরা ম্যাট্রিক্সের জন্য একটি স্পষ্ট প্রকাশ প্রকাশ করি।
পৃষ্ঠা ২
বিশেষত আমরা দেখাই যে ইএম পদক্ষেপটি ইতিবাচক ডানাইট ম্যাট্রিক্স দ্বারা গ্রেডিয়েন্টকে প্রাক-গুণিত করে প্রাপ্ত করা যেতে পারে। আমরা ম্যাট্রিক্সের জন্য একটি স্পষ্ট অভিব্যক্তি সরবরাহ করি ...
পৃষ্ঠা 3
অর্থাৎ, ইএম অ্যালগরিদমকে একটি পরিবর্তনশীল মেট্রিক গ্রেডিয়েন্ট অ্যাসেন্ট অ্যালগরিদম হিসাবে দেখা যেতে পারে ...
এটি হ'ল, কাগজটি ইএম অ্যালগরিদমের সুস্পষ্ট রূপান্তরকে গ্রেডিয়েন্ট-অ্যাসেন্ট, নিউটন, আধা-নিউটনে সরবরাহ করে।
উইকিপিডিয়া থেকে
সর্বাধিক সম্ভাবনা অনুমানের সন্ধানের জন্য অন্যান্য পদ্ধতি রয়েছে যেমন গ্রেডিয়েন্ট বংশোদ্ভূত, কনজুগেট গ্রেডিয়েন্ট বা গাউস-নিউটন পদ্ধতির বিভিন্নতা। EM এর বিপরীতে, এ জাতীয় পদ্ধতিগুলির সাধারণত সম্ভাবনা ফাংশনের প্রথম এবং / বা দ্বিতীয় ডেরিভেটিভসের মূল্যায়ন প্রয়োজন।
না, তারা সমতুল্য নয়। বিশেষত, ইএম কনভার্জেন্স অনেক ধীর।
আপনি যদি ইএম সম্পর্কিত একটি অপ্টিমাইজেশন পয়েন্ট অফ ভিউতে আগ্রহী হন তবে এই কাগজে আপনি দেখতে পাবেন যে ইএম অ্যালগরিদম বিস্তৃত শ্রেণীর অ্যালগরিদমের একটি বিশেষ ক্ষেত্রে (প্রক্সিমাল পয়েন্ট অ্যালগরিদম)।