আমি ইএম অ্যালগরিদমের কয়েকটি ব্যাখ্যা পড়েছি (যেমন বিশপের প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিং এবং মেশিন লার্নিংয়ের উপর রজার এবং গেরোমালি ফার্স্ট কোর্স থেকে)। EM এর ব্যয় ঠিক আছে, আমি এটি বুঝতে পারি। আমি এও বুঝতে পারি কেন অ্যালগরিদম কেন কিছুতে আবৃত থাকে: প্রতিটি পদক্ষেপে আমরা ফলাফলটি উন্নত করি এবং সম্ভাবনাটি 1.0 দ্বারা আবদ্ধ হয়, সুতরাং একটি সাধারণ ঘটনা ব্যবহার করে (যদি কোনও ক্রিয়া বৃদ্ধি পায় এবং আবদ্ধ হয় তবে তা রূপান্তরিত হয়) আমরা জানি যে অ্যালগরিদম রূপান্তরিত হয় কিছু সমাধান।
তবে এটি কীভাবে আমরা জানি যে এটি স্থানীয় নূন্যতম? প্রতিটি পদক্ষেপে আমরা কেবলমাত্র একটি সমন্বয় (সুপ্ত পরিবর্তনশীল বা পরামিতি) বিবেচনা করছি, যাতে আমরা কিছু মিস করতে পারি, যেমন স্থানীয় নূন্যতমটির জন্য একই সাথে উভয় স্থানাঙ্কের দ্বারা সরানো প্রয়োজন।
এটি আমি বিশ্বাস করি পাহাড়ী আরোহণের অ্যালগরিদমগুলির সাধারণ শ্রেণীর সাথে একই সমস্যা, যার উদাহরণ EM। সুতরাং একটি সাধারণ পাহাড়ের আরোহণ অ্যালগরিদমের জন্য আমাদের এই সমস্যাটি রয়েছে ফ (x, y) = x * y ফাংশনের জন্য। আমরা যদি (0, 0) পয়েন্ট থেকে শুরু করি, তবে কেবল একবারে উভয় দিক বিবেচনা করে আমরা 0 মান থেকে উপরের দিকে যেতে সক্ষম হয়েছি।