論文の概要: Scaling Integer Arithmetic in Probabilistic Programs
- arxiv url: http://arxiv.org/abs/2307.13837v1
- Date: Tue, 25 Jul 2023 22:21:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-27 14:16:05.303747
- Title: Scaling Integer Arithmetic in Probabilistic Programs
- Title(参考訳): 確率的プログラムにおける整数演算のスケーリング
- Authors: William X. Cao, Poorva Garg, Ryan Tjoa, Steven Holtzen, Todd
Millstein, Guy Van den Broeck
- Abstract要約: 本稿では、整数演算のリッチな論理構造を利用する離散分布のバイナリ符号化戦略を提案する。
このアプローチは算術演算ではるかに大きな整数分布にスケールできることが示される。
- 参考スコア(独自算出の注目度): 21.26857534769979
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Distributions on integers are ubiquitous in probabilistic modeling but remain
challenging for many of today's probabilistic programming languages (PPLs). The
core challenge comes from discrete structure: many of today's PPL inference
strategies rely on enumeration, sampling, or differentiation in order to scale,
which fail for high-dimensional complex discrete distributions involving
integers. Our insight is that there is structure in arithmetic that these
approaches are not using. We present a binary encoding strategy for discrete
distributions that exploits the rich logical structure of integer operations
like summation and comparison. We leverage this structured encoding with
knowledge compilation to perform exact probabilistic inference, and show that
this approach scales to much larger integer distributions with arithmetic.
- Abstract(参考訳): 整数上の分布は確率的モデリングにおいてユビキタスであるが、今日の確率的プログラミング言語(PPL)の多くでは依然として困難である。
今日のPL推論戦略の多くは、拡大するために列挙、サンプリング、微分に依存しており、これは整数を含む高次元の複素離散分布では失敗する。
我々の洞察では、これらのアプローチが使用していない構造がある。
本稿では,集計や比較といった整数演算の豊富な論理構造を利用する離散分布のバイナリ符号化戦略を提案する。
我々は、この構造化符号化を知識コンパイルで活用し、正確な確率的推論を行い、この手法が演算によるより大きい整数分布に拡大することを示す。
関連論文リスト
- Randomized Polar Codes for Anytime Distributed Machine Learning [66.46612460837147]
本稿では,低速な計算ノードに対して堅牢で,線形演算の近似計算と精度の両立が可能な分散コンピューティングフレームワークを提案する。
本稿では,復号化のための計算複雑性を低く保ちながら,実数値データを扱うための逐次復号アルゴリズムを提案する。
大規模行列乗算やブラックボックス最適化など,様々な文脈において,このフレームワークの潜在的な応用を実証する。
論文 参考訳(メタデータ) (2023-09-01T18:02:04Z) - Approximating a RUM from Distributions on k-Slates [88.32814292632675]
与えられた分布を平均で最もよく近似するRUMを求める一般化時間アルゴリズムを求める。
我々の理論的結果は、実世界のデータセットに効果的でスケール可能なものを得るという、実践的な結果も得られます。
論文 参考訳(メタデータ) (2023-05-22T17:43:34Z) - Parallel Sampling for Efficient High-dimensional Bayesian Network
Structure Learning [6.85316573653194]
本稿では,CPS(Candidate Parent Sets)上で並列サンプリングを行う近似アルゴリズムについて述べる。
修正アルゴリズムはParallel Sampling MINOBS (PS-MINOBS) と呼ばれ、各変数のCPSをサンプリングすることでグラフを構成する。
論文 参考訳(メタデータ) (2022-02-19T22:35:59Z) - Partial Counterfactual Identification from Observational and
Experimental Data [83.798237968683]
観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。
我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
論文 参考訳(メタデータ) (2021-10-12T02:21:30Z) - Strengthening Probabilistic Graphical Models: The Purge-and-merge
Algorithm [0.0]
パージ・アンド・マージアルゴリズムは、因子を選択的にマージすることで、可鍛グラフ構造を木構造に向けるように設計されている。
このアプローチは,Sudoku,Fill-a-pix,Kakuroなど,数多くの制約満足パズルに対して評価される。
これらのタスクは CSP のバイナリ論理に限られていたが、一般の PGM 推論への拡張の約束があると考えている。
論文 参考訳(メタデータ) (2021-09-30T21:20:52Z) - Efficient Inference via Universal LSH Kernel [35.22983601434134]
本稿では,単純なハッシュ計算と集約で推論手順を近似できる数列の簡潔な集合である,数学的に証明可能なRepresenter Sketchを提案する。
Representer Sketchは、カーネル文学から人気のあるRepresenter Theoremの上に構築されている。
本研究では,Representer Sketchによるストレージ要件の最大114倍,複雑性の最大59倍を精度の低下なく達成できることを示す。
論文 参考訳(メタデータ) (2021-06-21T22:06:32Z) - pRSL: Interpretable Multi-label Stacking by Learning Probabilistic Rules [0.0]
本稿では,確率論的命題論理則と信念伝播を用いた確率論的ルールスタックリング(pRSL)を提案し,その基礎となる分類器の予測と組み合わせる。
精度と近似推論と学習のためのアルゴリズムを導出し、様々なベンチマークデータセット上でpRSLが最先端の性能に達することを示す。
論文 参考訳(メタデータ) (2021-05-28T14:06:21Z) - Probabilistic Generating Circuits [50.98473654244851]
効率的な表現のための確率的生成回路(PGC)を提案する。
PGCは、非常に異なる既存モデルを統一する理論的なフレームワークであるだけでなく、現実的なデータをモデル化する大きな可能性も示している。
我々はPCとDPPの単純な組み合わせによって簡単に仮定されない単純なPGCのクラスを示し、一連の密度推定ベンチマークで競合性能を得る。
論文 参考訳(メタデータ) (2021-02-19T07:06:53Z) - Functions with average smoothness: structure, algorithms, and learning [12.362670630646804]
各点における局所勾配を定義し、これらの値の平均として関数複雑性を測る。
平均は最大よりも劇的に小さくなるので、この複雑性測度はよりシャープな一般化境界が得られる。
私たちは定義した関数クラスにおいて驚くほどリッチで解析的な構造を発見します。
論文 参考訳(メタデータ) (2020-07-13T10:06:58Z) - 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) - A General Method for Robust Learning from Batches [56.59844655107251]
本稿では,バッチから頑健な学習を行う一般的なフレームワークについて考察し,連続ドメインを含む任意の領域に対する分類と分布推定の限界について考察する。
本手法は,一括分節分類,一括分節,単調,対数凹,ガウス混合分布推定のための,最初の頑健な計算効率の学習アルゴリズムを導出する。
論文 参考訳(メタデータ) (2020-02-25T18:53:25Z)
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。