本文提出了一种凸型置信传播算法，可以在满足一定条件下，使用单循环图或重加权树的置信传播算法，在准确性上更加理论化地实现最大概率赋值 (MAP)。并且在实验中证明了该方法对一些无法使用传统算法的大型图具有较高的准确率。

Jun, 2012

论文介绍了两种高效的基于 BP 算法的算法，保证收敛到凸自由能的全局最小值，提出了一种基于图的结构自动设置凸自由能参数的启发式方法。

Jun, 2012

本文提出了一种低复杂度的信念传播算法 —— 随机信念传播（SBP）算法，该算法是一种自适应随机的 BP 信息传递版本，其信息传递减少了计算复杂度和通讯复杂度，并在各种图形模型中证明了收敛性和计算复杂度降低的理论格局。

Nov, 2011

研究了一种计算 Markov 随机场上最大后验概率的最优配置的方法，通过将原始分布分解为树形分布的凸组合来得到上限，提出了两种尝试获得紧密上限的方法，并建立了模式搜索问题 LP 松弛和最大乘积（最小和）消息传递算法之间的联系。

Aug, 2005

本文介绍了一种统一的收敛信息传递算法，称为 tree-consistency bound optimization (TCBO), 它可以在变分推理问题的 sum 和 max product forms 中都被证明是收敛的，并且将已有的算法中的极大化和求和进行交换后，可以获得新的收敛算法，特别是当树是单调链时，Wainwright 的非收敛 sum-product 算法实际上是收敛的。

May, 2012

本文系统研究了局部和 / 或全局最优解的收敛充分条件，提供了基于图覆盖的这些最优解的组合特征，并描述了一种新的收敛合理的消息传递算法，其推导统一了许多已知的收敛消息传递算法。

Feb, 2010

本文介绍了一种基于树分解算法的信息传递方法，用于解决基于图的模型中的优化问题，并保证收敛于全局最优解。

Jun, 2012

本论文提出了一种基于 Junction chains 和线性规划的算法来处理图模型中的近似 MAP-MRF 推断问题，并且在计算机视觉领域取得了一定的性能提升。

May, 2012

探讨在图中找到最大独立集的最大权重问题中使用信息传递算法的方法，并介绍了经典的 max-product 信念传播算法的性能，以及最大化固定点的自然初始化方法对算法收敛的影响。同时发现，在概率分布的 MAP 估计问题中，可以将任何问题都简化为 MWIS 问题，从而为 MAP 估计提供新的洞见和算法。

Jul, 2008

本文研究了概率推断问题在分布式系统中的应用，提出了一种新的基于消息传递的算法，相较于传统的 sum-product 算法，该算法对节点故障和通信失效有更好的稳健性，且在网络拓扑复杂时具有更优的计算复杂度，并用传感器网络定标任务进行了实验验证。

Jul, 2012