结构化均值场目标的优化
机器学习
2012-05-14 v1 机器学习
摘要
在难解的无向图模型中,创建结构化均值场近似的一种直观方法是选择一个无环的可处理子图。我们表明,计算均值场目标函数和梯度的难度在性质上取决于一个简单的图性质。如果可处理子图具有该性质——我们称这种子图为v-无环——则可以实现非常快速的块坐标上升算法。否则,优化更困难,但我们展示了一种基于辅助指数族构建的新算法,该算法在这种情况下也能使推理成为可能。我们讨论了每种机制的优缺点,并经验性地比较了算法。
引用
@article{arxiv.1205.2658,
title = {Optimization of Structured Mean Field Objectives},
author = {Alexandre Bouchard-Cote and Michael I. Jordan},
journal= {arXiv preprint arXiv:1205.2658},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Fifth Conference on Uncertainty in Artificial Intelligence (UAI2009)