論文の概要: Colour Passing Revisited: Lifted Model Construction with Commutative Factors

• arxiv url: http://arxiv.org/abs/2309.11236v2
• Date: Fri, 15 Dec 2023 15:28:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-18 18:59:07.238532
• Title: Colour Passing Revisited: Lifted Model Construction with Commutative Factors
• Title（参考訳）: カラーパス再考: 可換因子を用いたリフテッドモデルの構築
• Authors: Malte Luttermann, Tanya Braun, Ralf M\"oller, Marcel Gehrke
• Abstract要約: 本稿では、論理変数を用いて特定の推論アルゴリズムとは無関係に昇降表現を構成するカラーパスアルゴリズムの修正版を提案する。 提案アルゴリズムは, 技術状況よりも多くの対称性を効率的に検出し, 圧縮を劇的に増加させ, オンラインクエリ時間を大幅に高速化する。
• 参考スコア（独自算出の注目度）: 3.1045268505532566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lifted probabilistic inference exploits symmetries in a probabilistic model to allow for tractable probabilistic inference with respect to domain sizes. To apply lifted inference, a lifted representation has to be obtained, and to do so, the so-called colour passing algorithm is the state of the art. The colour passing algorithm, however, is bound to a specific inference algorithm and we found that it ignores commutativity of factors while constructing a lifted representation. We contribute a modified version of the colour passing algorithm that uses logical variables to construct a lifted representation independent of a specific inference algorithm while at the same time exploiting commutativity of factors during an offline-step. Our proposed algorithm efficiently detects more symmetries than the state of the art and thereby drastically increases compression, yielding significantly faster online query times for probabilistic inference when the resulting model is applied.
• Abstract（参考訳）: lifted probabilistic inferenceは、確率モデルにおける対称性を利用して、ドメインサイズに関して扱いやすい確率的推論を可能にする。 昇降推論を適用するには、昇降表現を得る必要があり、そうするためには、いわゆるカラーパスアルゴリズムが最先端技術である。 しかし,色通過アルゴリズムは特定の推論アルゴリズムに結びついており,昇降表現を構築しながら因子の可換性を無視していることがわかった。 我々は、論理変数を用いて特定の推論アルゴリズムとは無関係に昇降表現を構築するとともに、オフライン段階における因子の可換性を利用した色通りアルゴリズムの修正版を寄贈する。 提案アルゴリズムは, 提案手法の精度が高く, 圧縮量を大幅に増加させ, 結果モデルを適用した際の確率的推論におけるオンラインクエリ時間を大幅に高速化する。

関連論文リスト

• Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
  最適公正表現はいくつかの有用な構造特性を持つことを示す。 そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-09-26T08:46:48Z)
• Efficient Detection of Commutative Factors in Factor Graphs [1.1323769002489257]
  そこで本研究では,可換因子(DECOR)検出アルゴリズムを導入し,実際に可換因子であるかどうかを確認するための計算労力を大幅に削減する。 我々は,DECORが要求イテレーション数を劇的に減らし,DECORの効率を実証的に評価する制約を効率的に識別できることを証明した。
  論文  参考訳（メタデータ） (2024-07-23T08:31:24Z)
• Lifted Causal Inference in Relational Domains [5.170468311431656]
  関係領域における因果効果を効率的に計算するために,昇降法が適用可能であることを示す。 本稿では,昇降レベルの因果効果を計算するために,昇降因果推論アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-15T10:44:27Z)
• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• Object Representations as Fixed Points: Training Iterative Refinement Algorithms with Implicit Differentiation [88.14365009076907]
  反復的洗練は表現学習に有用なパラダイムである。 トレーニングの安定性とトラクタビリティを向上させる暗黙の差別化アプローチを開発する。
  論文  参考訳（メタデータ） (2022-07-02T10:00:35Z)
• Distributional Gradient Boosting Machines [77.34726150561087]
  私たちのフレームワークはXGBoostとLightGBMをベースにしています。 我々は,このフレームワークが最先端の予測精度を実現することを示す。
  論文  参考訳（メタデータ） (2022-04-02T06:32:19Z)
• Mitigating Performance Saturation in Neural Marked Point Processes: Architectures and Loss Functions [50.674773358075015]
  本稿では,グラフ畳み込み層のみを利用するGCHPという単純なグラフベースのネットワーク構造を提案する。 我々は,GCHPがトレーニング時間を大幅に短縮し,時間間確率仮定による確率比損失がモデル性能を大幅に改善できることを示した。
  論文  参考訳（メタデータ） (2021-07-07T16:59:14Z)
• DiffPrune: Neural Network Pruning with Deterministic Approximate Binary Gates and $L_0$ Regularization [0.0]
  現代のニューラルネットワークアーキテクチャは通常、数百万のパラメータを持ち、有効性を著しく損なうことなく、大幅に刈り取ることができる。 この作品の貢献は2つある。 1つ目は、任意の実数値確率変数の決定論的かつ微分可能変換によって多変量ベルヌーイ確率変数を近似する方法である。 2つ目は、決定論的あるいは乗法的に計算され、正確なゼロ値を取る近似二進ゲートを持つ要素的パラメータによるモデル選択の方法である。
  論文  参考訳（メタデータ） (2020-12-07T13:08:56Z)
• Learning Disentangled Representations with Latent Variation Predictability [102.4163768995288]
  本稿では,潜在不整合表現の変動予測可能性について述べる。 逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。 本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
  論文  参考訳（メタデータ） (2020-07-25T08:54:26Z)
• Distributed Value Function Approximation for Collaborative Multi-Agent Reinforcement Learning [2.7071541526963805]
  本稿では,多エージェントオフポリシー学習のための分散勾配に基づく時間差分アルゴリズムを提案する。 提案するアルゴリズムは,その形式,可視性トレースの定義,時間スケールの選択,コンセンサス反復を組み込む方法などによって異なる。 より弱い情報構造制約の下で時間差分アルゴリズムにどのように適用できるかを示す。
  論文  参考訳（メタデータ） (2020-06-18T11:46:09Z)

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。