답변:
에서:
Xu L과 Jordan MI (1996). 가우스 혼합물에 대한 EM 알고리즘의 수렴 특성에 . 신경 계산 2 : 129-151.
추상:
매개 변수 공간의 EM 단계가 투영 행렬 P를 통해 기울기에서 얻어지고 행렬에 대한 명시 적 표현을 제공함을 보여줍니다.
2 쪽
특히, 그라디언트에 포지티브 디 네이트 매트릭스를 미리 곱함으로써 EM 단계가 얻어 질 수 있음을 보여준다. 우리는 행렬에 대한 명시 적 표현을 제공합니다 ...
3 페이지
즉, EM 알고리즘은 가변 메트릭 그래디언트 상승 알고리즘으로 볼 수 있습니다 ...
이 논문은 EM 알고리즘을 기울기 상승, 뉴턴, 준 뉴턴으로 명시 적으로 변환합니다.
에서 위키 피 디아
기울기 하강, 켤레 기울기 또는 가우스-뉴턴 방법의 변형과 같은 최대 가능성 추정치를 찾는 다른 방법이 있습니다. EM과 달리, 이러한 방법은 일반적으로 우도 함수의 1 차 및 / 또는 2 차 도함수의 평가를 필요로합니다.
아닙니다. 특히 EM 수렴이 훨씬 느립니다.
EM에 대한 최적화 시점에 관심 이 있는 경우이 백서 에서 EM 알고리즘은 더 넓은 범위의 알고리즘 (근위 점 알고리즘)의 특수한 사례임을 알 수 있습니다.