成对线性高斯模型置信传播的收敛性分析
机器学习
2017-11-21 v4 机器学习
摘要
高斯置信传播 (BP) 已广泛应用于大规模网络（如智能电网、传感器网络和社交网络）中的分布式推断，在这些网络中，局部测量/观测分散在广阔的地理区域。一种特定情况是两个相邻智能体共享一个共同观测。例如，为了估计直流 (DC) 潮流模型中的电压，电力线上的电流测量值与两个相邻母线间的电压差成正比。将高斯 BP 算法应用于此类问题时，收敛条件仍是一个开放问题。本文分析了成对线性高斯模型高斯 BP 的收敛性质。我们解析地证明了更新信息矩阵以几何速率收敛到一个唯一的正定矩阵，且具有任意半正定初始值，并进一步给出了置信均值向量收敛到最优估计的充分必要条件。
引用
@article{arxiv.1706.04074,
title = {Convergence analysis of belief propagation for pairwise linear Gaussian models},
author = {Jian Du and Shaodan Ma and Yik-Chung Wu and Soummya Kar and José M. F. Moura},
journal= {arXiv preprint arXiv:1706.04074},
year = {2017}
}
备注
published in GlobalSIP 2017, Montreal, Canada. arXiv admin note: text overlap with arXiv:1704.03969