和积算法。因子图的（循环）信念传播（消息传递）
sumproduct的Python项目详细描述
`消费品` `
===================================================
《消费品》网站《消费品算法》
（`reference<；http://http://webhttp://http://http://http://www.http://www.http://www=======================4.cs.ucl.ac.uk/staff/d.barber/pmwiki/pmwiki.php？n=brml.homepage>；`` uu.
：
…图：http://f.cl.ly/items/2p021j2y3a2q191f451h/unnamed0.png
：alt:simple factor graph
simple factor graph
test.py`（使用http://www.yworks.com/en/products-yed-applicationfeatures.html制作的图像）中使用的因子图；`_。
基本用法
----
创建因子图
~~~~~~~~~~~~~~~~~~~~~~~~~
：
2）init具有2个状态的变量
x2=变量（'x2'，3）init具有3个状态的变量
f12=因子（'f12'，np.数组（[
[0.8,0.2]，
[0.2,0.8]，
[0.5,0.5]
]）创建因子，p（x1 x2）
将父节点连接到子节点
g.add（f12）
g.append（'f12'，x2）顺序必须与因子势中的维度相同！
g.append（'f12'，x1）；；注：f12势的形状是（3,2），即（x2，x1）
>运行推理
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~>
>>；g.compute marginal s（
>>>；g.g.g.g.g.g.compute marginals（
>>>>；g；g.g.节点['x1'].marginal（）
数组（[0.5，0.5]）
如果你有一个循环图的话，就用蛮力方法（在计算上花费巨大的费用）来检查一下吧。
：
：
>
><
>gt；g.brute-force（）
>；g.nodes['x1'].bfmarginal
数组（[0.5，0.5]）
关于观测的条件
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^br/>>>>；g.观察（'x2'，2）观察状态1（12层以上电位的中间）
>；>g.计算边缘（最大值=500，公差=1e-6）
>；>g.节点['x1'].marginal（）
数组（[0.2，0.8]）
>；>g.蛮力（）
>；>g.节点['x1'].bmarginal
数组（[0.2，0.8]）
示例。
implementation details
——
有关详细信息，请参见代码方法中的块注释，但是
实现策略来自“david barber's
book<；http://web4.cs.ucl.ac.uk/staff/d.barber/pmwiki/pmwiki.php”的第5章？n=brml.主页|构建状态图像：：https://travis-ci.org/ilyakava/sumproduct.svg？branch=master
：目标：https://travis ci.org/ilyakava/sumproduct
…|下载图像：：https://pypip.in/download/sumproduct/badge.svg
：目标：https://pypi.python.org/pypi/sumproduct/
===================================================
《消费品》网站
（`reference<；http://http://webhttp://http://http://http://www.http://www.http://www=======================4.cs.ucl.ac.uk/staff/d.barber/pmwiki/pmwiki.php？n=brml.homepage>；`` uu.
：
…图：http://f.cl.ly/items/2p021j2y3a2q191f451h/unnamed0.png
：alt:simple factor graph
simple factor graph
test.py`（使用http://www.yworks.com/en/products-yed-applicationfeatures.html制作的图像）中使用的因子图；`_。
基本用法
----
创建因子图
~~~~~~~~~~~~~~~~~~~~~~~~~
：
2）init具有2个状态的变量
x2=变量（'x2'，3）init具有3个状态的变量
f12=因子（'f12'，np.数组（[
[0.8,0.2]，
[0.2,0.8]，
[0.5,0.5]
]）创建因子，p（x1 x2）
将父节点连接到子节点
g.add（f12）
g.append（'f12'，x2）顺序必须与因子势中的维度相同！
g.append（'f12'，x1）；；注：f12势的形状是（3,2），即（x2，x1）
>运行推理
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~>
>>；g.compute marginal s（
>>>；g.g.g.g.g.g.compute marginals（
>>>>；g；g.g.节点['x1'].marginal（）
数组（[0.5，0.5]）
如果你有一个循环图的话，就用蛮力方法（在计算上花费巨大的费用）来检查一下吧。
：
：
>
><
>gt；g.brute-force（）
>；g.nodes['x1'].bfmarginal
数组（[0.5，0.5]）
关于观测的条件
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^br/>>>>；g.观察（'x2'，2）观察状态1（12层以上电位的中间）
>；>g.计算边缘（最大值=500，公差=1e-6）
>；>g.节点['x1'].marginal（）
数组（[0.2，0.8]）
>；>g.蛮力（）
>；>g.节点['x1'].bmarginal
数组（[0.2，0.8]）
示例。
implementation details
——
有关详细信息，请参见代码方法中的块注释，但是
实现策略来自“david barber's
book<；http://web4.cs.ucl.ac.uk/staff/d.barber/pmwiki/pmwiki.php”的第5章？n=brml.主页|构建状态图像：：https://travis-ci.org/ilyakava/sumproduct.svg？branch=master
：目标：https://travis ci.org/ilyakava/sumproduct
…|下载图像：：https://pypip.in/download/sumproduct/badge.svg
：目标：https://pypi.python.org/pypi/sumproduct/
欢迎加入QQ群-->： 979659372
