具有相关符号模糊性的高斯树合成：一种信息论方法

在隐高斯树中，变量之间的成对相关符号本质上是不可恢复的。此类信息至关重要，因为它完全决定了两个变量关联的方向。在这项工作中，我们借助信息论方法来实现两个基本目标：首先，我们量化由于不可恢复的符号信息导致的信息损失量。其次，我们展示了此类信息在确定最大可达速率区域中的重要性，在该区域中给定其概率密度函数可以合成观测输出向量。特别地，我们将图模型建模为通信信道，并提出了一种新的分层编码框架，使用上层高斯输入和来自每层的独立伯努利相关符号输入来合成观测数据。我们找到了用于合成所需观测量的多层隐高斯消息的速率元组的可靠速率区域。