用于近似推断的规范迷你桶消去法
机器学习
2018-03-06 v2
摘要
计算离散图模型的配分函数是一项基础推断难题。由于该问题计算上难以处理,实践中常使用变分近似。近来,所谓的规范变换被用于改进的变分下界。本文提出一种称为WMBE-G的新规范-变分方法,将规范变换与加权迷你桶消去(WMBE)方法结合。WMBE-G可提供的上界与下界,且比先前的规范-变分算法更易优化。我们证明WMBE-G严格改进了先前针对无磁场伊辛模型等对称模型的WMBE近似。实验结果表明WMBE-G即便对一般非对称模型也有效。
引用
@article{arxiv.1801.01649,
title = {Gauged Mini-Bucket Elimination for Approximate Inference},
author = {Sungsoo Ahn and Michael Chertkov and Jinwoo Shin and Adrian Weller},
journal= {arXiv preprint arXiv:1801.01649},
year = {2018}
}