学习拟Kronecker积图模型
最优化与控制
2019-01-31 v1
摘要
我们考虑学习这样一种图模型的问题：其精度矩阵的支持可分解为Kronecker积。我们提出一种使用贝叶斯层次学习建模方法的方法。得益于图的特殊结构，我们所用的超参数数量相对于图模型中的节点数而言较小。以此方式，我们避免了超参数估计中的过拟合。最后，我们通过一个数值例子检验了所提方法的有效性。
引用
@article{arxiv.1901.10894,
title = {Learning Quasi-Kronecker Product Graphical Models},
author = {Mattia Zorzi},
journal= {arXiv preprint arXiv:1901.10894},
year = {2019}
}
备注
Updated version of the CDC paper (typos have been corrected)