Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision | |||
| 신경망:공동_방법 [2026/08/31 17:32] – [공동 방법(cavity method)] admin | 신경망:공동_방법 [2026/08/31 17:35] (current) – admin | ||
|---|---|---|---|
| Line 1: | Line 1: | ||
| - | =====소울라스 코드===== | + | ======소울라스 코드====== |
| 정보가 전송되는 과정에서 전달 채널의 잡음 때문에 원래의 정보가 수신자에게 깨끗하게 전송되지 못한다. 이 때 전송되는 메시지의 용량이 채널의 용량보다 작다면 정보 전달이 잡음 없이 이루어질 수 있음이 섀넌에 의해 증명되었고, | 정보가 전송되는 과정에서 전달 채널의 잡음 때문에 원래의 정보가 수신자에게 깨끗하게 전송되지 못한다. 이 때 전송되는 메시지의 용량이 채널의 용량보다 작다면 정보 전달이 잡음 없이 이루어질 수 있음이 섀넌에 의해 증명되었고, | ||
| Line 13: | Line 13: | ||
| 를 계산해서 가장 그럴듯한 $\sigma$를 찾아내는 것으로 이해할 수 있다. | 를 계산해서 가장 그럴듯한 $\sigma$를 찾아내는 것으로 이해할 수 있다. | ||
| - | =====공동 방법(cavity method)===== | + | ======공동 방법(cavity method)====== |
| 위에서 언급했던 조건부 확률을 계산하려면 분배함수 $Z=\sum_{\vec\sigma}e^{-\beta H(\vec\sigma)}$를 계산해야 하는데 이 과정의 계산복잡도는 $2^N$로 매우 크다. 하지만 공동 방법(cavity method)를 이용하면 희박한 인자 그래프 모형에 대한 분배함수를 $=O(N)$까지 줄여 계산할 수 있다. | 위에서 언급했던 조건부 확률을 계산하려면 분배함수 $Z=\sum_{\vec\sigma}e^{-\beta H(\vec\sigma)}$를 계산해야 하는데 이 과정의 계산복잡도는 $2^N$로 매우 크다. 하지만 공동 방법(cavity method)를 이용하면 희박한 인자 그래프 모형에 대한 분배함수를 $=O(N)$까지 줄여 계산할 수 있다. | ||
| Line 85: | Line 85: | ||
| 와 같이 쓸 수 있다. | 와 같이 쓸 수 있다. | ||
| - | ====참고문헌==== | + | ======함께 보기====== |
| + | * [[수학: | ||
| + | * [[물리: | ||
| + | * [[물리: | ||
| + | |||
| + | ======참고문헌====== | ||
| * Haiping Huang, // | * Haiping Huang, // | ||