截断信念传播的环路系列展开
人工智能
2011-11-10 v2
摘要
最近，M. Chertkov 和 V.Y. Chernyak 推导了对应于图形模型的精确分区和（归一化常数）表达式，这是围绕信念传播解的展开。在将校正项添加到BP自由能中，每个“通用环路”各添加一个校正项后，可获得精确的分区和。然而，通常巨大的数字的通用环路一般会禁止对所有校正项求和。在本文中，我们引入了截断环路系列信念传播（TLSBP），即通过将通用环路视为简单环路的组成来对Chertkov 和 V.Y. Chernyak的环路系列进行特定的截断方式。我们在不同情景下分析TLSBP的性能，包括Ising模型、规则随机图以及大规模概率医学诊断系统Promedas上。在我们表明TLSBP常常在计算时间增加的代价下提高了BP解的准确性。我们也表明TLSBP的性能强烈取决于变量之间的相互作用程度。对于弱相互作用，截断系列可显著性地改进准确性，而对于强相互作用即使考虑大量项也可能无效。
引用
@article{arxiv.cs/0612109,
title = {Truncating the loop series expansion for Belief Propagation},
author = {Vicenc Gomez and J. M. Mooij and H. J. Kappen},
journal= {arXiv preprint arXiv:cs/0612109},
year = {2011}
}
备注
31 pages, 12 figures, submitted to Journal of Machine Learning Research