Câu trả lời:
Từ:
Xu L và Jordan MI (1996). Trên các thuộc tính hội tụ của thuật toán EM cho các hỗn hợp Gaussian . Tính toán thần kinh 2: 129-151.
Trừu tượng:
Chúng tôi chỉ ra rằng bước EM trong không gian tham số được lấy từ gradient thông qua ma trận chiếu P và chúng tôi cung cấp một biểu thức rõ ràng cho ma trận.
Trang 2
Cụ thể, chúng tôi chỉ ra rằng bước EM có thể thu được bằng cách nhân trước độ dốc bằng ma trận từ chối dương. Chúng tôi cung cấp một biểu thức rõ ràng cho ma trận ...
Trang 3
Đó là, thuật toán EM có thể được xem như là một thuật toán tăng độ dốc thay đổi theo hệ mét ...
Đây là, bài báo cung cấp các phép biến đổi rõ ràng của thuật toán EM thành độ dốc, Newton, quasi-Newton.
Từ wikipedia
Có các phương pháp khác để tìm ước tính khả năng tối đa, chẳng hạn như giảm độ dốc, độ dốc liên hợp hoặc các biến thể của phương pháp Newton Gauss. Không giống như EM, các phương pháp như vậy thường yêu cầu đánh giá các đạo hàm thứ nhất và / hoặc thứ hai của hàm khả năng.
Không, chúng không tương đương. Đặc biệt, hội tụ EM chậm hơn nhiều.
Nếu bạn quan tâm đến quan điểm tối ưu hóa trên EM, trong bài báo này bạn sẽ thấy thuật toán EM là trường hợp đặc biệt của lớp thuật toán rộng hơn (thuật toán điểm gần).