学习有界树宽可分解图的凸松弛
广义相对论与量子宇宙学
2013-01-23 v1
摘要
我们在最大似然框架下考虑学习具有有界树宽的无向图模型结构的问题。这是一个 NP 难问题，大多数方法采用局部搜索技术。在本文中，我们将其表述为一个组合优化问题，随后松弛为一个凸优化问题，该问题涉及独立地在具有特殊结构的森林和超森林多胞形上进行搜索。采用超梯度法求解对偶问题，每次迭代的时间复杂度为 ，其中 是变量数量， 是树宽的上界。我们将我们的方法与合成数据集和经典基准测试中的最先进方法进行了比较，展示了这种新颖凸方法的优势。
引用
@article{arxiv.1212.2571,
title = {Gravitational Collapse and Black Hole Thermodynamics In Braneworld Scenario},
author = {Rodrigo Maier and Ivano Damião Soares},
journal= {arXiv preprint arXiv:1212.2571},
year = {2013}
}