面向马尔可夫随机场高效结构学习的最优选择边嫁接
机器学习
2018-05-22 v2 人工智能
机器学习
摘要
成对马尔可夫随机场（MRFs）的增量式结构学习方法（如嫁接）通过在每一步优化中避免对整个特征空间进行推断来提高可扩展性。相反，推断是在一个逐步增长的活跃特征集上进行的。本文通过引入最优选择边嫁接来解决当前增量技术仍存在的关键计算瓶颈。该方法是一种增量式结构化方法，在流式设置中将边作为特征组进行激活。该方法使用一个满足激活条件的边的储备池，近似搜索要激活的最优边。它还利用搜索历史和结构启发式方法重新组织搜索空间。实验表明，结构学习的速度显著提升，并且学习速度与质量之间存在可控的权衡。
引用
@article{arxiv.1705.09026,
title = {Best-Choice Edge Grafting for Efficient Structure Learning of Markov Random Fields},
author = {Walid Chaabene and Bert Huang},
journal= {arXiv preprint arXiv:1705.09026},
year = {2018}
}