正则化Ising推断的变分伪似然方法

我提出了一种用于Ising模型最大伪似然推断的变分方法。该变分算法在计算效率上更优，并且在预测样本外相关性方面优于$L_2$正则化最大伪似然推断以及平均场和孤立自旋对近似与伪计数正则化。该方法的关键在于一个变分能量，它通过将耦合向零收缩来正则化推断问题，同时仍允许一些大耦合来解释强相关性。该变分伪似然方法的效用通过训练一个Ising模型来表示使用不同计算机字体书写的字母A-J的样本来加以说明。