带残差连接的随机和积森林
机器学习
2019-08-12 v1 人工智能
机器学习
摘要
可处理且具表现力的密度估计量是概率机器学习的基石。尽管和积网络(SPNs)提供了诱人的推理能力，但获得足够大以拟合复杂高维数据的结构一直颇具挑战。本文中，我们提出随机和积森林(RSPFs)，一种混合多个随机生成 SPN 的集成方法。我们还引入残差连接，其引用其他组件 SPN 的专门子结构，以利用其中编码的特定上下文知识。我们的经验证据表明，RSPF 较其单个组件提供更好性能。添加残差连接进一步改进模型，使所得的 ResSPN 能与常用结构学习方法相竞争。
引用
@article{arxiv.1908.03250,
title = {Random Sum-Product Forests with Residual Links},
author = {Fabrizio Ventola and Karl Stelzner and Alejandro Molina and Kristian Kersting},
journal= {arXiv preprint arXiv:1908.03250},
year = {2019}
}