論文の概要: Stacking Factorizing Partitioned Expressions in Hybrid Bayesian Network Models

• arxiv url: http://arxiv.org/abs/2402.15075v1
• Date: Fri, 23 Feb 2024 03:33:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-26 15:50:58.874487
• Title: Stacking Factorizing Partitioned Expressions in Hybrid Bayesian Network Models
• Title（参考訳）: ハイブリッドベイズネットワークモデルにおける分割表現を分解するスタック化因子
• Authors: Peng Lin, Martin Neil and Norman Fenton
• Abstract要約: 本稿では,分割式を分解する積み重ね係数分解(SF)と呼ばれる新しいアルゴリズムを提案する。 SFアルゴリズムは中間ノードを生成し、元の分割表現の密度を漸進的に再構成する。 SF+BF アルゴリズムは CPD サイズを大幅に削減し,モデルのツリー幅の低減に寄与することを示す。
• 参考スコア（独自算出の注目度）: 8.563446809549777
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Hybrid Bayesian networks (HBN) contain complex conditional probabilistic distributions (CPD) specified as partitioned expressions over discrete and continuous variables. The size of these CPDs grows exponentially with the number of parent nodes when using discrete inference, resulting in significant inefficiency. Normally, an effective way to reduce the CPD size is to use a binary factorization (BF) algorithm to decompose the statistical or arithmetic functions in the CPD by factorizing the number of connected parent nodes to sets of size two. However, the BF algorithm was not designed to handle partitioned expressions. Hence, we propose a new algorithm called stacking factorization (SF) to decompose the partitioned expressions. The SF algorithm creates intermediate nodes to incrementally reconstruct the densities in the original partitioned expression, allowing no more than two continuous parent nodes to be connected to each child node in the resulting HBN. SF can be either used independently or combined with the BF algorithm. We show that the SF+BF algorithm significantly reduces the CPD size and contributes to lowering the tree-width of a model, thus improving efficiency.
• Abstract（参考訳）: ハイブリッドベイズネットワーク(HBN)は、離散変数および連続変数上の分割式として定義された複素条件確率分布(CPD)を含む。 これらのcpdのサイズは、離散的推論を使用する場合の親ノード数で指数関数的に増大し、結果として著しい非効率をもたらす。 通常、CDDのサイズを減らす効果的な方法は、二分分解(BF)アルゴリズムを使用して、CPDの統計関数や算術関数を分解し、接続された親ノードの数をサイズ2の集合に分解することである。 しかし、BFアルゴリズムは分割式を扱うように設計されていない。 そこで本研究では,分割式を分解する積み重ね係数分解法(SF)を提案する。 SFアルゴリズムは、元の分割式における密度を漸進的に再構成する中間ノードを生成し、その結果のHBNにおいて、各子ノードに2つ以上の連続親ノードが接続されないようにする。 SFは独立して、またはBFアルゴリズムと組み合わせることができる。 SF+BF アルゴリズムは CPD サイズを大幅に削減し,モデルのツリー幅の低減に寄与し,効率を向上することを示した。

関連論文リスト

• Latent Schrodinger Bridge: Prompting Latent Diffusion for Fast Unpaired Image-to-Image Translation [58.19676004192321]
  ノイズからの画像生成とデータからの逆変換の両方を可能にする拡散モデル (DM) は、強力な未ペア画像対イメージ(I2I)翻訳アルゴリズムにインスピレーションを与えている。 我々は、最小輸送コストの分布間の微分方程式(SDE)であるSchrodinger Bridges (SBs) を用いてこの問題に取り組む。 この観測に触発されて,SB ODE を予め訓練した安定拡散により近似する潜在シュロディンガー橋 (LSB) を提案する。 提案アルゴリズムは,従来のDMのコストをわずかに抑えながら,教師なし環境での競合的I2I翻訳を実現していることを示す。
  論文  参考訳（メタデータ） (2024-11-22T11:24:14Z)
• Accelerating spherical K-means clustering for large-scale sparse document data [0.7366405857677226]
  本稿では,大規模かつ高次元のスパース文書データセットを対象とした球面K平均クラスタリングアルゴリズムを提案する。 提案手法は, 大規模文書において, 最先端技術を用いたアルゴリズムと比較して, 高速性能を効果的に達成できることを実験的に実証した。
  論文  参考訳（メタデータ） (2024-11-18T05:50:58Z)
• Communication-Efficient Decentralized Federated Learning via One-Bit Compressive Sensing [52.402550431781805]
  分散連合学習(DFL)は、様々なアプリケーションにまたがる実用性によって人気を博している。 集中型バージョンと比較して、DFLの多数のノード間で共有モデルをトレーニングするのはより難しい。 我々は,iADM (iexact alternating direction method) の枠組みに基づく新しいアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-08-31T12:22:40Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• BigBraveBN: algorithm of structural learning for bayesian networks with a large number of nodes [0.0]
  本稿では,多数のノード(100以上)を持つ大規模ベイズネットワークを学習するためのBigBraveBNアルゴリズムを提案する。 このアルゴリズムは、複数のグループのインスタンスの相互発生を測定するブレーブ係数を利用する。 記事では、BigBraveBNの性能を、離散的かつ連続的な複数のデータセット上の既存のソリューションと比較する。
  論文  参考訳（メタデータ） (2022-08-22T13:43:57Z)
• Discrete Tree Flows via Tree-Structured Permutations [5.929956715430168]
  離散フローベースモデルは、離散関数の勾配が未定義あるいはゼロであるため、従来のディープラーニング手法では直接最適化できない。 提案手法は,決定木に基づく離散フローを開発することにより,計算負担を低減し,擬似勾配の必要性を解消することを目的としている。
  論文  参考訳（メタデータ） (2022-07-04T23:11:04Z)
• Scaling Structured Inference with Randomization [64.18063627155128]
  本稿では、構造化されたモデルを数万の潜在状態に拡張するためにランダム化された動的プログラミング(RDP)のファミリを提案する。 我々の手法は古典的DPベースの推論に広く適用できる。 また、自動微分とも互換性があり、ニューラルネットワークとシームレスに統合できる。
  論文  参考訳（メタデータ） (2021-12-07T11:26:41Z)
• 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)
• Message Passing Descent for Efficient Machine Learning [4.416484585765027]
  機械学習におけるbfデータフィッティング(DF)問題に対する反復最適化手法を提案する。 このアプローチは、df問題のbfグラフィカルモデル表現に依存している。 本稿では,モデルDF関数の多項式表現に依存する bf Message Passage Descent アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-16T12:22:54Z)
• Partition-based formulations for mixed-integer optimization of trained ReLU neural networks [66.88252321870085]
  本稿では,訓練されたReLUニューラルネットワークのための混合整数式について紹介する。 1つの極端な場合、入力毎に1つのパーティションがノードの凸殻、すなわち各ノードの最も厳密な可能な定式化を回復する。
  論文  参考訳（メタデータ） (2021-02-08T17:27:34Z)
• 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)

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。