贝叶斯网络上的信念传播 这是一个在贝叶斯网络 (BN) 上运行循环信念传播的程序，并为网络上的每个节点生成边缘化概率。 算法细节参考 ，随着使用bethe聚类图而不是BN的纯因子图的变化。 输入格式应为 用法 $ python bp < .bif file path > [-o output file] [-t threshold] Options: -o, --output output file name, default to ' result.txt ' -t, --threshold threshold for convergence default to 1e-10 致谢 BIF 解析器由提供。 项目中的代码用于华盛顿大学的作业 3。

信仰传播 该存储库包含有关信念传播的项目的代码，作为“图形模型：离散推理和学习”课程的一部分（主MVA）。 我们进行了两个实验来测试信念传播的两种实现： （湿草示例） （分类归纳） 项目演示的幻灯片在，而项目报告在共享。 作者：Charbel-RaphaëlSégerie，克莱门特·邦内（ClémentBonnet）。 2021年3月31日

YEDIDIA 教授关于BP算法是的课件。主要对BP算法进行了简介。

基于推测度传播的同步CDMA多用户检测器，程宏，谢俗子，本文提出了基于可信度传播算法应用于同步CDMA系统的检测器以抑制不同用户之间的多址干扰（MAI）。仿真分析表明基于该算法的差错概��

Factor graphs, belief propagation and variational__inference.pdf

在低密度奇偶校验（LDPC）码的置信传播（BP）解码算法中，基于动态调度策略的算法表现出出色的性能。 在这封信中，我们提出了一种基于可变节点的动态调度解码算法。 对于所提出的算法，基于对数似然比（LLR）值和奇偶校验方程评估变量节点的可靠性。 然后，提出了一种更准确的动态选择策略。 同时，对振荡变量节点进行处理，从而抑制了由振荡引起的错误消息传播的影响。 另外，所提出的算法在一次迭代中更新了与原始BP解码算法相同数量的消息，这与其他一些动态解码算法不同。 仿真结果表明，该算法优于其他算法。

Matlab code for Gaussian Belief Propagation (BP) matlab代码 置信传播算法