最后介绍目前最先进的方法：
信仰传播。。。。？
循环信仰传播，Belief Propagation是一种动态编程方法，用于在图模型中解决条件概率查询的问题（没看明白）
迭代过程中，相邻的节点的变量相互“交谈”，传递消息。（wtf）
当达成共识时，计算出最终的信念。（wtf？）
（这里的意思是，还是使用了近似推断的方法，就是通过不停的迭代，当最终的结果进入稳态之后认为任务目标达成，训练结束，得到最终的结果）
任务：计算图中的节点数*
条件：每个节点只能与其邻居进行交互（传递消息）
这个问题貌似看起来挺弱智，但是实际上是这样得，首先，注意途中得一个there's 1 of me的节点，假设我们目前处于这个节点之上，并且我们只能和前后的邻节点传递信息，
这个时候，我们需要双向，前后两个节点提供position的信息，然后，如上图所示，我们才能计算出整个连接的长度，否则仅仅凭借单向的信息是无法计算的。
接下来来看一种更加复杂的情况：
这里通过这些事例主要是想说明 belief propagation是如何传播的。
然而，普通的 belief propagation 无法处理存在cyclic（循环）的情况，这也很好理解，比如上图我们在两个节点之间又加入一条连线，这个时候就没法计算全部节点的数量了。
这个时候就要用到“loopy belief propagation”
关于loopy bp algorithm，一方面比较复杂。。。一方面不太需要。。。我本来是想看node2vec和gnn的。。结果顺序搞错了看了这一章节，后续写完了第七、第八课的介绍再会回过头来写这个吧。
