IBIA：一种用于配分函数近似推断的增量式构建-推断-近似框架
人工智能
2023-09-29 v2 机器学习
摘要
配分函数的精确计算已知是难解的，因此需要近似推断技术。现有的近似推断方法在许多基准上收敛缓慢。在许多此类方法中，精度与复杂度权衡的控制也非平凡。我们提出了一种新颖的增量式构建-推断-近似（IBIA）框架用于近似推断，以解决这些问题。在该框架中，概率图模型被转换为具有有界团尺寸的顺序团树森林（SCTF）。我们证明 SCTF 可用于高效计算配分函数。我们提出了两种用于构造 SCTF 的新算法，并证明了两者的正确性。第一种是 CTF 的增量构造算法，保证给出具有有界团尺寸的有效 CTF；第二种是一种近似算法，以校准的 CTF 作为输入，输出具有减小团尺寸的有效且校准的 CTF。我们使用来自近期 UAI 竞赛的若干基准集评估了我们的方法，结果表明在具有竞争力的运行时间下取得了良好的精度。
引用
@article{arxiv.2304.06366,
title = {IBIA: An Incremental Build-Infer-Approximate Framework for Approximate Inference of Partition Function},
author = {Shivani Bathla and Vinita Vasudevan},
journal= {arXiv preprint arXiv:2304.06366},
year = {2023}
}
备注
Pages: 24(main) 3(references) 4(appendix), Figures: 5, Tables: 7