关系连续模型的提升推理
人工智能
2012-03-19 v1
摘要
关系连续模型（RCM）表示对象属性上的联合概率密度，其中属性具有连续域。通过关系表示，它们可以以自然的方式紧凑地建模大量变量上的联合概率分布。本文提出了一种新的RCM精确提升推理算法，从而可扩展到现实世界应用的大规模模型。该算法适用于关系成对模型，即势函数为2元的关系乘积。我们的算法在两个方面是独特的。首先，它显著提高了具有连续域变量的提升推理效率。当关系模型具有高斯势时，它只需要线性时间，而先前的方法需要三次时间。其次，它是第一个以提升方式处理RCM的精确推理算法。通过一个计量经济学示例说明了该算法。实验结果表明，我们的算法优于地面推理算法和基于先前已知提升方法构建的算法。
引用
@article{arxiv.1203.3473,
title = {Lifted Inference for Relational Continuous Models},
author = {Jaesik Choi and Eyal Amir and David J. Hill},
journal= {arXiv preprint arXiv:1203.3473},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Sixth Conference on Uncertainty in Artificial Intelligence (UAI2010)