高维贝叶斯网络模型的区域近似
人工智能
2016-02-08 v1 信息论
math.IT
摘要
在具有大量密集连接变量的贝叶斯网络（BNs）上执行高效推断是具有挑战性的。对于精确推断方法，如联结树（Junction Tree）算法，聚类复杂度可随节点数量呈指数增长，从而导致计算难以处理。本文提出一种称为三元区域构造（Triplet Region Construction, TRC）的通用近似推断算法，将因子化模型的最坏情况指数级聚类复杂度降至多项式级。我们采用图分解来降低连接复杂度并生成有限大小的簇。与MCMC算法不同，TRC保证收敛，并且我们给出的实验表明，与精确解相比TRC能获得准确结果。
引用
@article{arxiv.1602.02086,
title = {Region Based Approximation for High Dimensional Bayesian Network Models},
author = {Peng Lin and Martin Neil and Norman Fenton},
journal= {arXiv preprint arXiv:1602.02086},
year = {2016}
}