潜在模型边缘似然的自动解析渐近评估
机器学习
2012-12-12 v1 机器学习
摘要
我们提出并实现了两种算法，用于对给定具有隐藏节点的贝叶斯网络的数据的边缘似然进行解析渐近评估。正如先前工作所示，这种评估对于潜在贝叶斯网络模型（即包含隐藏变量的网络）特别困难，其中渐近近似偏离了标准的 BIC 分数。我们的算法解决了边缘似然积分渐近评估中的两个核心困难，即评估潜在贝叶斯网络模型的常规维度下降，以及计算这些模型奇异统计量的非标准近似公式。所提出的算法已在 Matlab 和 Maple 中实现，并演示了其在具有隐藏变量的贝叶斯网络边缘似然近似中的应用。
引用
@article{arxiv.1212.2491,
title = {Automated Analytic Asymptotic Evaluation of the Marginal Likelihood for Latent Models},
author = {Dmitry Rusakov and Dan Geiger},
journal= {arXiv preprint arXiv:1212.2491},
year = {2012}
}
备注
Appears in Proceedings of the Nineteenth Conference on Uncertainty in Artificial Intelligence (UAI2003)