論文の概要: Unity Smoothing for Handling Inconsistent Evidence in Bayesian Networks
and Unity Propagation for Faster Inference
- arxiv url: http://arxiv.org/abs/2201.08659v1
- Date: Fri, 21 Jan 2022 12:03:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-24 17:54:54.775992
- Title: Unity Smoothing for Handling Inconsistent Evidence in Bayesian Networks
and Unity Propagation for Faster Inference
- Title（参考訳）: ベイジアンネットワークにおける一貫性のない証拠処理のためのユニティ平滑化と高速推論のためのユニティ伝搬
- Authors: Mads Lindskou, Torben Tvedebrink, Poul Svante Eriksen, S{\o}ren
H{\o}jsgaard and Niels Morling
- Abstract要約: 接合木アルゴリズムを米国と併用した予測精度はラプラス平滑化に匹敵することを示した。
アプリケーションでは、データ構造が多用され、メモリ使用量ではLaplaceがスムーズである。
- 参考スコア（独自算出の注目度）: 0.587978226098469
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose Unity Smoothing (US) for handling inconsistencies between a
Bayesian network model and new unseen observations. We show that prediction
accuracy, using the junction tree algorithm with US is comparable to that of
Laplace smoothing. Moreover, in applications were sparsity of the data
structures is utilized, US outperforms Laplace smoothing in terms of memory
usage. Furthermore, we detail how to avoid redundant calculations that must
otherwise be performed during the message passing scheme in the junction tree
algorithm which we refer to as Unity Propagation (UP). Experimental results
shows that it is always faster to exploit UP on top of the
Lauritzen-Spigelhalter message passing scheme for the junction tree algorithm.
- Abstract（参考訳）: 本稿では,ベイジアンネットワークモデルと新たな観測結果との整合性を扱うために,Unity Smoothing (US)を提案する。
我々はジャンクションツリーアルゴリズムを用いた予測精度がラプラス平滑化の予測精度に匹敵することを示した。
さらに、データ構造が多用されるアプリケーションでは、メモリ使用量の観点からLaplaceのスムーズさは米国より優れています。
さらに,我々が一元伝播 (up) と呼ぶジャンクションツリーアルゴリズムにおいて,メッセージパッシングスキーム中に実行しなければならない冗長な計算を回避する方法について詳述する。
実験結果から, 接合木アルゴリズムのラウリツェン・シュピーゲルハルターメッセージパッシング方式上でUPを利用する方が常に高速であることが示唆された。
関連論文リスト
- Rapid and Precise Topological Comparison with Merge Tree Neural Networks [7.443474354626664]
本稿では,Merge Tree Neural Network (MTNN)について紹介する。
まず,グラフの効率的なエンコーダとして出現したグラフニューラルネットワークをトレーニングして,ベクトル空間にマージツリーを埋め込む方法を示す。
次に、木とノードの埋め込みと新しいトポロジカルアテンション機構を統合することにより、類似性の比較をさらに改善する新しいMTNNモデルを定式化する。
論文 参考訳（メタデータ） (2024-04-08T21:26:04Z) - Convolutional Bayesian Kernel Inference for 3D Semantic Mapping [1.7615233156139762]
本稿では,ベイズ的推論を明示的に行うことを学ぶ畳み込みベイズ的カーネル推論層を紹介する。
We learn semantic-geometric probability distributions for LiDAR sensor information and incorporated semantic predictions into a global map。
我々は、KITTIデータセット上での最先端セマンティックマッピングアルゴリズムに対するネットワークの評価を行い、同等のセマンティックラベル推論結果によるレイテンシの向上を実証した。
論文 参考訳（メタデータ） (2022-09-21T21:15:12Z) - A Unified Framework for Implicit Sinkhorn Differentiation [58.56866763433335]
暗黙の微分によってシンクホーン層の解析勾配を求めるアルゴリズムを提案する。
特にGPUメモリなどのリソースが不足している場合には,計算効率が向上する。
論文 参考訳（メタデータ） (2022-05-13T14:45:31Z) - Group Fisher Pruning for Practical Network Compression [58.25776612812883]
本稿では,様々な複雑な構造に応用可能な汎用チャネルプルーニング手法を提案する。
我々は、単一チャネルと結合チャネルの重要性を評価するために、フィッシャー情報に基づく統一されたメトリクスを導出する。
提案手法は,結合チャネルを含む任意の構造をプルークするために利用できる。
論文 参考訳（メタデータ） (2021-08-02T08:21:44Z) - Wasserstein Distances, Geodesics and Barycenters of Merge Trees [9.149293243237778]
本稿では, マージ木の距離, 測地線, バリセンタを推定するための統一的な計算枠組みを提案する。
我々は, 地磁気学とバリセンターの効率的な計算を可能にするために, マージツリー間のワッサーシュタイン距離という新しい測定基準を導入する。
論文 参考訳（メタデータ） (2021-07-16T09:27:49Z) - Rethinking Space-Time Networks with Improved Memory Coverage for
Efficient Video Object Segmentation [68.45737688496654]
各オブジェクトのマスク特徴を再エンコードすることなく,フレーム間の直接対応性を確立する。
対応によって、現在のクエリフレーム内の全てのノードは、過去の特徴を連想的に集約することによって推測される。
すべてのメモリノードにコントリビュートする機会があることを検証し、そのような多彩な投票がメモリ効率と推論精度の両方に有益であることを示した。
論文 参考訳（メタデータ） (2021-06-09T16:50:57Z) - Guided Interactive Video Object Segmentation Using Reliability-Based
Attention Maps [55.94785248905853]
本論文では,映像オブジェクトの対話的セグメンテーション(GIS)アルゴリズムを提案し,セグメンテーション精度の向上と対話時間の短縮を図る。
我々は,隣接フレームにセグメンテーション結果を伝達する,交差点対応伝搬モジュールを開発した。
実験により,提案アルゴリズムは従来のアルゴリズムよりも高速に精度の高いセグメンテーション結果を提供することを示した。
論文 参考訳（メタデータ） (2021-04-21T07:08:57Z) - LoCo: Local Contrastive Representation Learning [93.98029899866866]
重なり合うローカルブロックが重なり合うことで、デコーダの深さを効果的に増加させ、上位ブロックが暗黙的に下位ブロックにフィードバックを送ることができることを示す。
このシンプルな設計は、ローカル学習とエンドツーエンドのコントラスト学習アルゴリズムのパフォーマンスギャップを初めて埋める。
論文 参考訳（メタデータ） (2020-08-04T05:41:29Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z) - Statistical Outlier Identification in Multi-robot Visual SLAM using
Expectation Maximization [18.259478519717426]
本稿では、同時局所化およびマッピング(SLAM)におけるマップ間ループ閉包外乱検出のための、新しい分散手法を提案する。
提案アルゴリズムは優れた初期化に頼らず、一度に2つ以上のマップを処理できる。
論文 参考訳（メタデータ） (2020-02-07T06:34:44Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。