基于树分解的并行 MAP 推断的 Bethe-ADMM
人工智能
2013-09-27 v1 机器学习
机器学习
摘要
我们考虑离散图模型中的最大后验（MAP）推断问题。我们提出了一种名为 Bethe-ADMM 的并行 MAP 推断算法，该算法基于两个思想：图的树分解和交替方向乘子法（ADMM）。然而，与标准 ADMM 不同，我们使用了一种增广了基于 Bethe 散度的近端函数的不精确 ADMM，这使得 ADMM 中的每个子问题都可以使用 sum-product 算法轻松地并行求解。我们严格证明了 Bethe-ADMM 的全局收敛性。该 proposed 算法在合成数据集和真实数据集上进行了广泛评估，以说明其有效性。此外，展示了并行 Bethe-ADMM 随核心数量增加几乎呈线性扩展。
引用
@article{arxiv.1309.6829,
title = {Bethe-ADMM for Tree Decomposition based Parallel MAP Inference},
author = {Qiang Fu and Huahua Wang and Arindam Banerjee},
journal= {arXiv preprint arXiv:1309.6829},
year = {2013}
}
备注
Appears in Proceedings of the Twenty-Ninth Conference on Uncertainty in Artificial Intelligence (UAI2013)