基于区域的能量神经网络用于近似推断
机器学习
2020-06-18 v1 机器学习
摘要
基于区域的自由能最初是为广义置信传播(GBP)提出的，以改进循环置信传播(loopy BP)。本文中，我们提出一种基于神经网络的能量模型，用于一般马尔可夫随机场(MRFs)中的推断，该模型直接最小化定义在区域图上的基于区域的自由能。我们将此模型称为基于区域的能量神经网络(RENN)。与消息传递算法不同，RENN 避免了迭代的消息传播且速度更快。也与近期基于深度神经网络的模型不同，RENN 的推断不需要采样，且 RENN 适用于一般 MRFs。RENN 也可用于 MRF 学习。我们在边缘分布估计、配分函数估计和 MRF 学习上的实验表明，RENN 优于平均场方法、loopy BP、GBP 以及最先进的基于神经网络的模型。
引用
@article{arxiv.2006.09927,
title = {Region-based Energy Neural Network for Approximate Inference},
author = {Dong Liu and Ragnar Thobaben and Lars K. Rasmussen},
journal= {arXiv preprint arXiv:2006.09927},
year = {2020}
}