修复高斯置信传播的收敛性
信息论
2010-03-23 v3 机器学习
math.IT
统计计算
摘要
高斯置信传播（GaBP）是一种用于高斯图模型推理的迭代消息传递算法。已知当GaBP收敛时，它收敛到高斯随机向量的正确MAP估计，并且已经建立了简单的充分收敛条件。在本文中，我们开发了一种双循环算法来强制GaBP收敛。我们的方法即使在标准GaBP不收敛的情况下也能计算出正确的MAP估计。我们进一步将此构造扩展到计算超定线性系统的最小二乘解。我们相信我们的构造有许多应用，因为GaBP算法与线性方程组的求解相关联，这是计算机科学和工程中的一个基本问题。作为案例研究，我们讨论了线性检测问题。我们证明，使用我们的新构造，我们能够在Montanari线性检测算法原本会失败的情况下强制其收敛。因此，我们能够显著增加可以同时传输的用户数量。
引用
@article{arxiv.0901.4192,
title = {Fixing Convergence of Gaussian Belief Propagation},
author = {Jason K. Johnson and Danny Bickson and Danny Dolev},
journal= {arXiv preprint arXiv:0901.4192},
year = {2010}
}
备注
In the IEEE International Symposium on Information Theory (ISIT) 2009, Seoul, South Korea, July 2009