論文の概要: IBIA: Bayesian Inference via Incremental Build-Infer-Approximate
operations on Clique Trees
- arxiv url: http://arxiv.org/abs/2202.12003v1
- Date: Thu, 24 Feb 2022 10:30:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-25 17:00:13.318413
- Title: IBIA: Bayesian Inference via Incremental Build-Infer-Approximate
operations on Clique Trees
- Title（参考訳）: IBIA:Clique Tree上でのインクリメンタルビルド・インファー・アロキシメート操作によるベイズ推論
- Authors: Shivani Bathla and Vinita Vasudevan
- Abstract要約: 本稿では,インクリメンタルなビルド・インファー・アポキシメート・パラダイムに基づく近似推論の代替手法を提案する。
傾斜木をインクリメンタルに構築するアルゴリズムは,常に有効なCTを生成することを示し,近似手法は斜め内信念の整合性を自動的に維持する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Exact inference in Bayesian networks is intractable and has an exponential
dependence on the size of the largest clique in the corresponding clique tree,
necessitating approximations. Techniques for approximate inference typically
use iterative BP in graphs with bounded cluster sizes. We propose an
alternative approach for approximate inference based on an incremental
build-infer-approximate (IBIA) paradigm. In the build stage of this approach,
bounded-clique size partitions are obtained by building the clique tree (CT)
incrementally. Nodes are added to the CT as long as the sizes are within a
user-specified clique size constraint. Once the clique size constraint is
reached, the infer and approximate part of the algorithm finds an approximate
CT with lower clique sizes to which new nodes can be added. This step involves
exact inference to calibrate the CT and a combination of exact and approximate
marginalization for approximation. The approximate CT serves as a starting
point for the construction of CT for the next partition. The algorithm returns
a forest of calibrated clique trees corresponding to all partitions. We show
that our algorithm for incremental construction of clique trees always
generates a valid CT and our approximation technique automatically maintains
consistency of within-clique beliefs. The queries of interest are prior and
posterior singleton marginals and the partition function. More than 500
benchmarks were used to test the method and the results show a significant
reduction in error when compared to other approximate methods, with competitive
runtimes.
- Abstract（参考訳）: ベイズネットワークにおける厳密な推論は難解であり、対応する傾き木における最大の傾きの大きさに指数関数的に依存し、近似を必要とする。
近似推論の手法は通常、有界なクラスタサイズを持つグラフにおいて反復BPを使用する。
本稿では,インクリメンタルなビルド・インファー・アポキシマト(IBIA)パラダイムに基づく近似推論の代替手法を提案する。
このアプローチのビルド段階では,傾き木(CT)を漸進的に構築することにより,境界傾きサイズの分割が得られる。
サイズがユーザが指定したcliqueサイズの制約内である限り、ノードはCTに追加される。
クリプトサイズ制約に達すると、アルゴリズムの推論部と近似部は、新しいノードを追加することができるクリッドサイズが低い近似CTを見つける。
このステップは、CTを校正するための正確な推測と、近似の正確な辺縁化と近似の組合せを含む。
近似CTは、次の分割のためのCT構築の出発点となる。
アルゴリズムは、すべての分割に対応するキャリブレーションされた傾斜木の森を返す。
傾斜木をインクリメンタルに構築するアルゴリズムは,常に有効なCTを生成することを示し,近似手法は斜め内信念の整合性を自動的に維持する。
興味のあるクエリは、プリエントおよび後方シングルトン境界関数とパーティション関数である。
提案手法を500以上のベンチマークで検証した結果,他の近似手法と比較して誤差が大幅に減少した。
関連論文リスト
- Adaptive Retrieval and Scalable Indexing for k-NN Search with Cross-Encoders [77.84801537608651]
クエリ-イムペアを共同で符号化することで類似性を計算するクロスエンコーダ(CE)モデルは、クエリ-イム関連性を推定する埋め込みベースモデル(デュアルエンコーダ)よりも優れている。
本稿では,潜時クエリとアイテム埋め込みを効率的に計算してCEスコアを近似し,CE類似度を近似したk-NN探索を行うスパース行列分解法を提案する。
論文 参考訳（メタデータ） (2024-05-06T17:14:34Z) - Prompt Based Tri-Channel Graph Convolution Neural Network for Aspect
Sentiment Triplet Extraction [63.0205418944714]
Aspect Sentiment Triplet extract (ASTE)は、ある文の三つ子を抽出する新しいタスクである。
近年の研究では、単語関係を二次元テーブルにエンコードするテーブル充填パラダイムを用いてこの問題に対処する傾向にある。
本稿では, 関係表をグラフに変換し, より包括的な関係情報を探索する, Prompt-based Tri-Channel Graph Convolution Neural Network (PT-GCN) と呼ばれるASTEタスクの新しいモデルを提案する。
論文 参考訳（メタデータ） (2023-12-18T12:46:09Z) - Target before Shooting: Accurate Anomaly Detection and Localization
under One Millisecond via Cascade Patch Retrieval [49.45246833329707]
異常検出(AD)の「マッチング」性を再検討する
本稿では,ADの精度と実行速度を同時に向上する新しいADフレームワークを提案する。
論文 参考訳（メタデータ） (2023-08-13T11:49:05Z) - Approximate inference of marginals using the IBIA framework [0.0]
確率的グラフィカルモデル (PGM) における限界の厳密な推論は難解であることが知られている。
本稿では,段階的ビルド・インファー・アポキシマト (IBIA) パラダイムに基づく限界推定のための新しいアルゴリズムを提案する。
提案手法は,既存の変分法やサンプリング法よりも精度が良いか,あるいは同等である。
論文 参考訳（メタデータ） (2023-06-01T04:24:21Z) - IBIA: An Incremental Build-Infer-Approximate Framework for Approximate
Inference of Partition Function [0.0]
分割関数の厳密な計算は難解であることが知られている。
近似推論のための新しいインクリメンタルなビルドインファー近似フレームワークを提案する。
このフレームワークはパーティション関数の効率的な計算に利用できることを示す。
論文 参考訳（メタデータ） (2023-04-13T09:40:23Z) - Optimal Extended Neighbourhood Rule $k$ Nearest Neighbours Ensemble [1.8843687952462742]
本稿では,新しい拡張近傍ルールに基づくアンサンブル法を提案する。
アンサンブルは、精度、Cohen's kappa、Brier score(BS)を使用した17のベンチマークデータセットの最先端の手法と比較される。
論文 参考訳（メタデータ） (2022-11-21T09:13:54Z) - Convex Polytope Trees [57.56078843831244]
コンベックスポリトープ木(CPT)は、決定境界の解釈可能な一般化によって決定木の系統を拡張するために提案される。
木構造が与えられたとき,木パラメータに対するCPTおよび拡張性のあるエンドツーエンドトレーニングアルゴリズムを効率的に構築する。
論文 参考訳（メタデータ） (2020-10-21T19:38:57Z) - Computationally efficient sparse clustering [67.95910835079825]
我々はPCAに基づく新しいクラスタリングアルゴリズムの有限サンプル解析を行う。
ここでは,ミニマックス最適誤クラスタ化率を,体制$|theta infty$で達成することを示す。
論文 参考訳（メタデータ） (2020-05-21T17:51:30Z) - Deep Affinity Net: Instance Segmentation via Affinity [48.498706304017674]
Deep Affinity Netは、グラフ分割アルゴリズムCascade-GAECを伴って、効果的なアフィニティベースのアプローチである。
すべてのアフィニティベースのモデルの中で、最高のシングルショット結果と最速のランニングタイムを達成する。
また、リージョンベースのMask R-CNNよりも優れています。
論文 参考訳（メタデータ） (2020-03-15T15:22:56Z)
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。