Fugu-MT 論文翻訳(概要): Analysis of Bayesian Networks via Prob-Solvable Loops

論文の概要: Analysis of Bayesian Networks via Prob-Solvable Loops

arxiv url: http://arxiv.org/abs/2007.09450v2
Date: Sun, 26 Jul 2020 08:03:08 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 06:01:34.526346
Title: Analysis of Bayesian Networks via Prob-Solvable Loops
Title（参考訳）: Prob-Solvable Loops によるベイズネットワークの解析
Authors: Ezio Bartocci and Laura Kov\'acs and Miroslav Stankovi\v{c}
Abstract要約: 様々なBNが自然に Prob-solvable loop として符号化可能であることを示す。我々はBN関連のいくつかの問題を自動で解くことができ、正確に推測、感度分析、フィルタリング、そして期待される拒絶サンプル数を計算することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Prob-solvable loops are probabilistic programs with polynomial assignments over random variables and parametrised distributions, for which the full automation of moment-based invariant generation is decidable. In this paper we extend Prob-solvable loops with new features essential for encoding Bayesian networks (BNs). We show that various BNs, such as discrete, Gaussian, conditional linear Gaussian and dynamic BNs, can be naturally encoded as Prob-solvable loops. Thanks to these encodings, we can automatically solve several BN related problems, including exact inference, sensitivity analysis, filtering and computing the expected number of rejecting samples in sampling-based procedures. We evaluate our work on a number of BN benchmarks, using automated invariant generation within Prob-solvable loop analysis.
Abstract（参考訳）: 確率可解ループ(Prob-solvable loop)は、確率的プログラムで、確率変数やパラメータ分布に多項式を割り当て、モーメントベースの不変生成の完全自動化が決定可能である。本稿では,ベイジアンネットワーク(BN)の符号化に不可欠な新しい特徴を持つProb-solvable loopを拡張した。離散、ガウス、条件付き線型ガウスおよび動的 BN などの様々な BN が自然に Prob-solvable loop として符号化可能であることを示す。これらのエンコーディングにより、正確な推論、感度分析、フィルタリング、サンプリングベースの手順で期待される拒絶サンプル数の計算など、BN関連のいくつかの問題を自動で解決できる。本稿では, Prob-solvable loop analysis 内での自動不変生成を用いたBNベンチマークの評価を行った。

関連論文リスト

Error Feedback under $(L_0,L_1)$-Smoothness: Normalization and Momentum [56.37522020675243]
機械学習の幅広い問題にまたがる正規化誤差フィードバックアルゴリズムに対する収束の最初の証明を提供する。提案手法では,許容可能なステップサイズが大きくなったため,新しい正規化エラーフィードバックアルゴリズムは,各種タスクにおける非正規化エラーよりも優れていた。
論文参考訳（メタデータ） (2024-10-22T10:19:27Z)
Parseval Convolution Operators and Neural Networks [16.78532039510369]
まず、Parseval畳み込み演算子をエネルギー保存フィルタバンクのクラスとして同定する。次に,基本Parsevalモジュールの連鎖によるフィルタバンクの設計・特定のための構築的アプローチを提案する。生体医用画像の反復的再構成のためのCNNアルゴリズムの設計により,これらのツールの使用例を示す。
論文参考訳（メタデータ） (2024-08-19T13:31:16Z)
Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文参考訳（メタデータ） (2023-10-18T17:59:45Z)
Entropic property of randomized QAOA circuits [0.0]
量子近似最適化アルゴリズム(QAOA)は、パラメータ化量子回路を用いてビットストリングをサンプリングすることで離散最適化問題を解決することを目的としている。我々は、確率に関する解析方程式と、そのようなサンプリングによって常にエネルギー分布のエントロピーが高くなるという数値的な証拠を提供する。また, ランダムサンプリングよりも平均値が高い大域的最適値を得る確率も解析する。
論文参考訳（メタデータ） (2023-08-03T15:13:23Z)
Joint Bayesian Inference of Graphical Structure and Parameters with a Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文参考訳（メタデータ） (2023-05-30T19:16:44Z)
Learning Linear Models Using Distributed Iterative Hessian Sketching [4.567810220723372]
観測データから線形システムのマルコフパラメータを学習する問題を考察する。 Hessian-Sketchingに基づくランダムに分散されたニュートンアルゴリズムは、$epsilon$-optimal Solutionを生成可能であることを示す。
論文参考訳（メタデータ） (2021-12-08T04:07:23Z)
Improved Acyclicity Reasoning for Bayesian Network Structure Learning with Constraint Programming [0.0]
離散データからベイズネットワーク(BNSL)の構造を学習することはNPハードタスクであることが知られている。本研究では,可能なクラスタカットのサブセットを発見するための新しい時間アルゴリズムを提案する。最適ではないにもかかわらず、性能は桁違いに向上することを示す。結果として得られる解法は、BNSL問題に対する最先端の解法である GOBNILP と好意的に比較できる。
論文参考訳（メタデータ） (2021-06-23T09:46:11Z)
Revisiting the Sample Complexity of Sparse Spectrum Approximation of Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文参考訳（メタデータ） (2020-11-17T05:41:50Z)
Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
変分法による離散的グラフィカルモデルの推論は困難である。エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
論文参考訳（メタデータ） (2020-10-22T05:04:38Z)
Stochastic Saddle-Point Optimization for Wasserstein Barycenters [69.68068088508505]
オンラインデータストリームによって生成される有限個の点からなるランダムな確率測度に対する人口推定バリセンタ問題を考察する。本稿では,この問題の構造を用いて,凸凹型サドル点再構成を行う。ランダム確率測度の分布が離散的な場合、最適化アルゴリズムを提案し、その複雑性を推定する。
論文参考訳（メタデータ） (2020-06-11T19:40:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。