Mi az a középmező közelítés?

A középmező-közelítés egy közelítési módszer a statisztikai fizikában és a gépi tanulásban, amely leegyszerűsíti a komplex valószínűségi modelleket, nagy számú függő változóval. Az ötlet az, hogy a változók közötti kölcsönhatásokat átlagos hatással helyettesítjük, vagyis feltételezzük, hogy minden változó egy 'átlagos mezővel' lép kölcsönhatásba, amit a többi hoz létre.

Bayes-modellek és variációs következtetés kontextusában a középmező-közelítés lehetővé teszi egy összetett közös eloszlás közelítését faktorizált eloszlással, ahol a változókat függetlennek tekintjük. Ez jelentősen leegyszerűsíti a számításokat, és hatékonyan lehet közelítő megoldásokat találni.

Példa: a variációs bayes következtetésben egy q eloszlást keresünk, amely a változók szerint faktorizálódik: q(x, y) = q(x) q(y), a komplex közös eloszlás p(x, y | adatok) helyett. Ezt az egyszerűsítést középmező-approximációnak nevezik.