学习边际的凸推理
机器学习
2012-06-18 v1 机器学习
摘要
使用最大似然训练的图模型是边际分布概率推理的常用工具。然而，当推理过程或模型是近似时，这种方法会遇到困难。本文首先将推理过程定义为凸函数的最小化，受自由能近似启发。然后直接根据推理过程在单变量边际预测上的性能进行学习。主要创新在于这是经验风险的直接最小化，其中风险衡量预测边际的准确性。
引用
@article{arxiv.1206.3247,
title = {Learning Convex Inference of Marginals},
author = {Justin Domke},
journal= {arXiv preprint arXiv:1206.3247},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Fourth Conference on Uncertainty in Artificial Intelligence (UAI2008)