論文の概要: Circular Belief Propagation for Approximate Probabilistic Inference

• arxiv url: http://arxiv.org/abs/2403.12106v1
• Date: Sun, 17 Mar 2024 15:59:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 18:41:45.046593
• Title: Circular Belief Propagation for Approximate Probabilistic Inference
• Title（参考訳）: 近似確率的推論のための循環的信念伝播
• Authors: Vincent Bouttier, Renaud Jardri, Sophie Deneve,
• Abstract要約: Belief Propagation (BP) は、確率分布を表すグラフのノード間でメッセージを渡す単純な確率的推論アルゴリズムである。 本稿では,BPの拡張であるCircular Belief Propagation (CBP)を提案する。 CBP が BP をはるかに上回り,従来提案したアルゴリズムと比較して優れた性能を示すバイナリ確率グラフを含む数値実験を行った。
• 参考スコア（独自算出の注目度）: 0.07282584715927627
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Belief Propagation (BP) is a simple probabilistic inference algorithm, consisting of passing messages between nodes of a graph representing a probability distribution. Its analogy with a neural network suggests that it could have far-ranging applications for neuroscience and artificial intelligence. Unfortunately, it is only exact when applied to cycle-free graphs, which restricts the potential of the algorithm. In this paper, we propose Circular Belief Propagation (CBP), an extension of BP which limits the detrimental effects of message reverberation caused by cycles by learning to detect and cancel spurious correlations and belief amplifications. We show in numerical experiments involving binary probabilistic graphs that CBP far outperforms BP and reaches good performance compared to that of previously proposed algorithms.
• Abstract（参考訳）: Belief Propagation (BP) は、確率分布を表すグラフのノード間でメッセージを渡す単純な確率的推論アルゴリズムである。 ニューラルネットワークの類似性から、神経科学や人工知能の幅広い応用が期待できる。 残念ながら、それはアルゴリズムのポテンシャルを制限するサイクルフリーグラフに適用されたときだけ正確である。 本稿では,BPの拡張であるCircular Belief Propagation(CBP)を提案する。これは,周期によるメッセージ残響の有害な影響を制限するもので,素早い相関や信念の増幅を検知・キャンセルする学習である。 CBP が BP をはるかに上回り,従来提案したアルゴリズムと比較して優れた性能を示すバイナリ確率グラフを含む数値実験を行った。

関連論文リスト

• Graph-based Complexity for Causal Effect by Empirical Plug-in [56.14597641617531]
  本稿では、因果効果クエリに対する経験的プラグイン推定の計算複雑性に焦点を当てる。 計算は、推定値のハイパーグラフに依存するため、データサイズにおいて、潜在的に線形な時間で効率的に行うことができることを示す。
  論文  参考訳（メタデータ） (2024-11-15T07:42:01Z)
• Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
  本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。 観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。 本手法は, 推定手法よりも有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-26T08:39:09Z)
• Pseudo-Likelihood Inference [16.934708242852558]
  Pseudo-Likelihood Inference (PLI)は、ABCに神経近似をもたらす新しい方法であり、ベイズシステムの識別に挑戦するタスクと競合する。 PLIは、勾配降下による神経後葉の最適化を可能にし、要約統計に頼らず、入力として複数の観察を可能にする。 PLIの有効性は、4つの古典的SBIベンチマークタスクと非常にダイナミックな物理システムで評価される。
  論文  参考訳（メタデータ） (2023-11-28T10:17:52Z)
• Provably Convergent Schr\"odinger Bridge with Applications to Probabilistic Time Series Imputation [21.27702285561771]
  近似射影に基づくSchr"odinger Bridgeアルゴリズムの1次収束解析を提案する。 実例として,観測データに条件付き欠落値を生成することにより,確率的時系列計算にSBPを適用した。
  論文  参考訳（メタデータ） (2023-05-12T04:39:01Z)
• Online Centralized Non-parametric Change-point Detection via Graph-based Likelihood-ratio Estimation [77.81487285123147]
  グラフの各ノードを、ほぼリアルタイムで同期して観測されるデータストリームを生成するようにします。 変更ポイント$tau$では、変更はノードのサブセット$C$で発生し、関連するノードストリームの確率分布に影響を与える。 本稿では,ポストチェンジとノードストリームの事前変更分布の確率比の直接推定に基づいて,$tau$を検出して$C$をローカライズするカーネルベースの新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-01-08T10:15:24Z)
• A visual introduction to Gaussian Belief Propagation [22.02770204949673]
  本稿では、任意に構造化された因子グラフのノード間でメッセージを渡すことによって、近似確率推論アルゴリズムの視覚的導入を提案する。 ループ的信念伝播の特別な場合として、GBP更新はローカル情報のみに依存し、メッセージスケジュールとは独立して収束する。 我々の重要な論点は、最近のコンピューティングハードウェアのトレンドを考えると、GBPは将来の機械学習システムのためのスケーラブルな分散確率的推論フレームワークとして機能する適切な計算特性を持っているということです。
  論文  参考訳（メタデータ） (2021-07-05T22:43:27Z)
• Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
  変分法による離散的グラフィカルモデルの推論は困難である。 エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。 選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
  論文  参考訳（メタデータ） (2020-10-22T05:04:38Z)
• $\alpha$ Belief Propagation for Approximate Inference [16.258304175469917]
  BP(Belief propagation)アルゴリズムは、グラフィカルモデルにおける推論のためのメッセージパッシング手法として広く用いられている。 局所化$alpha$-divergenceの最小化によって動機付けられた解釈可能な信念伝播アルゴリズムを導出する。 その結果、$alpha$-BPは標準BPを一般化することがわかった。
  論文  参考訳（メタデータ） (2020-06-27T13:32:06Z)
• Neural Enhanced Belief Propagation on Factor Graphs [85.61562052281688]
  グラフィカルモデルは局所依存確率変数の構造的表現である。 最初にグラフニューラルネットワークを拡張してグラフを分解する(FG-GNN)。 そこで我々は,FG-GNNを連立して動作させるハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2020-03-04T11:03:07Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。