利用马尔可夫不等式对证据概率进行下界估计的研究
人工智能
2012-06-26 v1
摘要
即使已知误差界，计算证据概率也是 NP 难的。本文通过转向一个较易解决的问题来应对这一难题。我们提出了一种近似方法，能够提供高置信度的证据概率下界，但在相对误差或绝对误差方面没有任何保证。我们提出的近似方案是一种使用马尔可夫不等式的随机化重要性采样方案。然而，直接应用马尔可夫不等式可能导致较差的下界。因此，我们提出了几种启发式措施以提高其在实践中的性能。将该方案与最先进的下界估计方案进行的实证评估揭示了我们方法的潜力。
引用
@article{arxiv.1206.5242,
title = {Studies in Lower Bounding Probabilities of Evidence using the Markov Inequality},
author = {Vibhav Gogate and Bozhena Bidyuk and Rina Dechter},
journal= {arXiv preprint arXiv:1206.5242},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Third Conference on Uncertainty in Artificial Intelligence (UAI2007)