基于观测高温重加权的逆伊辛模型推断
机器学习
2020-03-11 v1 机器学习
数据分析、统计与概率
摘要
最大似然估计（MLE）是随机系统推断的基本方法。一般而言，MLE在无限数据极限下会收敛到正确模型。在物理系统推断方法（如玻尔兹曼机）中，MLE需要繁重的配分函数计算，即对观测和未观测的所有构型求和。本文提出一种概念上和计算上透明的数据驱动系统推断方法，其基于一个简单问题：应如何修正观测构型的玻尔兹曼权重，以使观测构型的概率分布接近平坦分布？该算法仅使用观测构型，就能在具有大量自由度的系统上给出准确推断，而其他方法在这些系统上难以处理。
引用
@article{arxiv.1909.04305,
title = {Inverse Ising inference from high-temperature re-weighting of observations},
author = {Junghyo Jo and Danh-Tai Hoang and Vipul Periwal},
journal= {arXiv preprint arXiv:1909.04305},
year = {2020}
}
备注
5 pages, 4 figures