- NIPS使用稀疏域的任时信念传播
提出一种基于消息传递算法的稀疏域边推理方法，采用动态消息调度策略增量式地扩展稀疏域，通过基于梯度优化的优先级选择下一个加入的变量，实现快速收敛和本地任意一致性，与传统的置信传播算法相比，可以获得显著加速并获取低误差边缘分布。
- 块模型的信念传播、鲁棒重构和最优恢复
用置信传播的变体提出一种重建算法，可以最大化节点正确标记的比例，使用该算法可以重建在正则和泊松树上的 Ising 模型的鲁棒性重构结果，专注于考虑两个块和连接概率为 $a/n$ 和 $b/n$ 的稀疏对称块模型问题。
- 连续状态空间的信念传播：具有定量保证的随机传递消息
本文引入一种新的技术 —— 随机正交序列消息传递（SOSMP）—— 用于计算具有连续随机变量模型中的 BP 固定点，通过对信息的正交级数展开的确定性近似和基础系数的积分更新的蒙特卡洛估计的随机近似 贴近 BP 固定点，此技术已被证明在任何树 - MAP 复杂性结果和近似方法
本文研究了贝叶斯网络中最可信赖实例化的计算问题，证明在多种情形下该问题为 NP 完全问题，在多叉树限制下也难以有效近似，采用置信传播的局部搜索方法可提供较准确的估计。
- 迭代式联结图传播
该论文提出了一种基于广义置信传播算法的聚类算法，将信息传递应用于加入图而不是加入树，称为迭代加入图传播。该方法在多种问题类别上表现出更高的时间效率和更高的准确度。
- 近似推理与约束优化
本文提出了一类算法，其通过一系列对 Kikuchi 自由能上界的凸约束最小化来解决 Kikuchi 自由能的非凸约束最小化，加快了有关推理问题的计算速度。
- 基于环形信念传播的传感器网络通信
使用信念传播技术在传感器网络中推理环境数据，并通过通信交流信念而非原始传感器值，具有紧凑的实现和分布式特性，可在异步环境和节点故障情况下跟踪环境变化，并在传感器网络等实时数据处理应用中发挥重要作用。
- 标签随机块模型中的社区检测
利用标记的随机块模型来识别多种类型相互作用的社区检测问题，证明了检测阈值可以从信度传播的不敏感转换为敏感，进而进行模型推理的相关推理问题从不可能到可能的过渡，并得出了使用信度传播进行社区检测的结果，证明了理论假设的正确性。
- 剩余置信传播：异步消息传递的通知调度
探讨了如何在异步传播中安排消息以实现更快且更频繁地达到固定点，并通过提出残留置信传播（RBP）算法来解决此问题，该算法相对于现有方法在多种挑战性的合成和实际问题中具有更高的收敛率和更短的收敛时间。
- 改进的信念传播动态调度
该论文提出一种在 Belief Propagation 算法中估算残差的上界方法，可以节省算力和计算时间，提高收敛速度，适用于硬网络和真实世界网络.
- 具凸性自由能的 MAP 估计，线性规划和信念传播
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。
- 置信传播计数
本文介绍了一种名为计数 BP 的新型 BP 算法，它利用了图模型中存在的对称性，通过构建压缩图模型的方式实现更高效的模型推理，在包括动态关系模型和布尔模型计数等多种人工智能任务中取得显著的效率提升。
- 概率定理证明
该论文提出了一种将概率论和第一阶逻辑相结合的方法，在有限域内具有 Herbrand 解释的情况下，定义了概率证明定理及其推广问题，然后提出了能够同时拥有图模型推理和一阶定理证明的完整能力的方法，并开发了一种高效算法。实验表明，当逻辑结构存在 - MM随机信念传播：一种低复杂度替代乘积和算法的选择
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。
- 可靠众包系统的预算最优任务分配
本文考虑众包任务分配中的可靠性问题，提出了一种基于置信传播和低秩矩阵逼近的算法来决定如何分配任务，并从工人的答案中推断出正确答案。比较了不同算法的表现，发现基于者非自适应的算法是最优的。此外，还强调了建立可靠的工人信誉系统对于完全运用自适应 - 信念传播学习主题模型
该研究提出了一种基于马尔可夫随机场框架下的因子图表示方法，实现了传统信念传播算法对隐含狄利克雷分配模型的近似推理和参数估计，该算法在速度和准确性方面均具有竞争力，并且可以成为基于 LDA 的话题模型的通用学习方案。
- 使用近似消息传递和马尔科夫树先验的压缩成像
本论文提出了一种新的基于循环置信传播的压缩成像算法，利用自然图像 2D 小波变换系数中的稀疏性和尺度上的连续性特征，结合了隐藏马尔科夫模型和近似消息传递算法，通过在 HMT 结构和压缩测量结构之间交替利用一种新的 “turbo” 消息传递方 - MM量子理论的统计贝叶斯推论无因果偏置建模
本文发展出量子条件状态的形式主义，为描述涉及单个系统的两次实验与涉及两个系统的单个时间点的实验提供了统一的描述，使用量子贝叶斯定理和相关的贝叶斯条件方法，展示了远程控制与回溯推断可以使用相同的信念传播规则进行描述，对于解释投影假设作为贝叶斯 - 最小费用网络流的置信传播：收敛性与正确性
本研究证明了置信传播算法在容量约束最小费用网络流问题上的全多项式运行时间，还证明了算法的随机逼近方案，这提供了理论依据支持置信传播算法成为解决一类重要的优化问题的有吸引力的方法。
- 使用信念传播法进行永久逼近
使用信念传播方法高效地近似矩阵永久性，并演示了这种近似的优点。