文摘

自由能分布的概率方法分析蛋白质

作者(年代):G.Padma, C.Vijayalakshmi

在anMRF涉及computingMarginal分布概率推理randomvariables图。图formalismis多元的有效和高效的表示为两个独立结构模型建设和推理。使用图表来表示独立结构多元概率模型一直追求以相对独立的方式在一个广泛的研究学科。传统的图形模型分解联合分布函数作为一个产品变量的子集。然而,制定了许多严格的近似算法进行推理mrf。因子图更有用的描述模型,涉及大量的重叠的关系变量之间的关系。相比,贝叶斯网络(bn) andMarkov RandomFields graphmodel分解(mrf)因子变量之间的相互作用。虽然功能的关系变量之间在bn和MRFsmust由识别亲子集群或最大派系,因子图明确识别功能的关系。贝叶斯网络或马尔可夫随机域可以表示成图的一个因素。信仰传播algorithmis用于发现任何隐藏变量的边际概率条件在观察到的变量。算法的目的是通过实值函数称为消息以及节点之间的边。分析应用程序的信念传播onBiologicalMarkov randomfieldwith一个例子。