Fugu-MT 論文翻訳(概要): On the Foundations of Cycles in Bayesian Networks

論文の概要: On the Foundations of Cycles in Bayesian Networks

arxiv url: http://arxiv.org/abs/2301.08608v1
Date: Fri, 20 Jan 2023 14:40:17 GMT
ステータス: 処理完了
システム内更新日: 2023-01-23 13:01:15.899693
Title: On the Foundations of Cycles in Bayesian Networks
Title（参考訳）: ベイズネットワークにおけるサイクルの基礎について
Authors: Christel Baier and Clemens Dubslaff and Holger Hermanns and Nikolai K\"afer
Abstract要約: 本稿では,サイクルフリー設定を包括的かつ保守的に拡張したサイクリックBNのセマンティクスに関する基礎的研究を行う。まず, BN上の完全関節分布の要件を局所的条件付き確率と独立性に整合させる制約に基づく意味論を提案する。第二に、無限展開アプローチを形式化する2種類の極限意味論を導入し、マルコフ連鎖の構成によって計算可能であることを示した。
参考スコア（独自算出の注目度）: 4.312746668772342
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Bayesian networks (BNs) are a probabilistic graphical model widely used for representing expert knowledge and reasoning under uncertainty. Traditionally, they are based on directed acyclic graphs that capture dependencies between random variables. However, directed cycles can naturally arise when cross-dependencies between random variables exist, e.g., for modeling feedback loops. Existing methods to deal with such cross-dependencies usually rely on reductions to BNs without cycles. These approaches are fragile to generalize, since their justifications are intermingled with additional knowledge about the application context. In this paper, we present a foundational study regarding semantics for cyclic BNs that are generic and conservatively extend the cycle-free setting. First, we propose constraint-based semantics that specify requirements for full joint distributions over a BN to be consistent with the local conditional probabilities and independencies. Second, two kinds of limit semantics that formalize infinite unfolding approaches are introduced and shown to be computable by a Markov chain construction.
Abstract（参考訳）: ベイズネットワーク(英: bayesian networks、bns)は、専門家の知識と不確実性の下での推論を表現するために広く用いられる確率論的グラフィカルモデルである。伝統的に、確率変数間の依存関係をキャプチャする有向非巡回グラフに基づいている。しかし、有向サイクルは、例えばフィードバックループのモデリングのために、確率変数間のクロス依存性が存在するときに自然に発生する。このような相互依存を扱う既存の方法は通常、サイクルのないBNへの還元に依存している。これらのアプローチは、アプリケーションコンテキストに関する追加の知識と相互作用するため、一般化するのが脆弱である。本稿では,サイクルフリー設定を包括的かつ保守的に拡張したサイクリックBNのセマンティクスに関する基礎的研究を行う。まず, BN上の完全関節分布の要件を局所的条件付き確率と独立性に整合させる制約に基づく意味論を提案する。第二に、無限展開アプローチを形式化する2種類の極限意味論を導入し、マルコフ連鎖構成によって計算可能であることを示した。

関連論文リスト

Approximate learning of parsimonious Bayesian context trees [0.0]
提案するフレームワークは、合成および実世界のデータ例に基づいてテストされる。これは、実際のタンパク質配列やハニーポットコンピュータターミナルセッションに適合すると、既存のシーケンスモデルより優れている。
論文参考訳（メタデータ） (2024-07-27T11:50:40Z)
Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文参考訳（メタデータ） (2024-01-10T02:38:21Z)
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)
Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。 DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
論文参考訳（メタデータ） (2022-02-28T15:53:10Z)
Recursive Bayesian Networks: Generalising and Unifying Probabilistic Context-Free Grammars and Dynamic Bayesian Networks [0.0]
確率的文脈自由文法 (PCFGs) と動的ベイズネットワーク (DBNs) は相補的な強みと制約を持つシーケンスモデルとして広く使われている。本稿では,PCFGとDBNを一般化・統合するRecursive Bayesian Networks(RBNs)について述べる。
論文参考訳（メタデータ） (2021-11-02T19:21:15Z)
NOTMAD: Estimating Bayesian Networks with Sample-Specific Structures and Parameters [70.55488722439239]
提案するNOTMADは,サンプルコンテキストに応じてアーキティパルネットワークの混合を学習する。患者固有の遺伝子発現ネットワークを含む分析および実験を通じて,NOTMADとサンプル特異的ネットワーク推論の有用性を実証する。
論文参考訳（メタデータ） (2021-11-01T17:17:34Z)
Implicit Generative Copulas [0.0]
我々は、暗黙的な生成ニューラルネットワークに基づく柔軟な、しかし概念的には単純な代替案を提案する。ファイナンス、物理、画像生成の合成および実データに関する実験は、このアプローチの性能を実証している。
論文参考訳（メタデータ） (2021-09-29T17:05:30Z)
Staged trees and asymmetry-labeled DAGs [2.66269503676104]
本稿では,実生木を最小のベイズネットワークで表現し,直感的に条件付き独立性を読み取る方法を提案する。また,非対称性ラベル付き有向非巡回グラフ (asymmetric-labeled direct acyclic graph) と呼ばれる新しいラベル付きグラフも定義する。
論文参考訳（メタデータ） (2021-08-04T12:20:47Z)
Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文参考訳（メタデータ） (2020-11-04T10:25:13Z)
Continuous-Time Bayesian Networks with Clocks [33.774970857450086]
グラフ結合したセミマルコフ連鎖の集合を構成するために,ノードワイズクロックのセットを導入する。パラメータと構造推論のためのアルゴリズムを提供し、局所的な依存関係を利用する。
論文参考訳（メタデータ） (2020-07-01T09:33:39Z)
GANs with Conditional Independence Graphs: On Subadditivity of Probability Divergences [70.30467057209405]
GAN(Generative Adversarial Networks)は、データセットの基盤となる分布を学習するための現代的な手法である。 GANは、基礎となるディストリビューションに関する追加情報がないモデルフリーで設計されている。本稿では,ベイズネット/MRFの近傍に単純な識別器群を用いたモデルベースGANの設計を提案する。
論文参考訳（メタデータ） (2020-03-02T04:31:22Z)

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。