論文の概要: A Ring-Based Distributed Algorithm for Learning High-Dimensional Bayesian Networks

• arxiv url: http://arxiv.org/abs/2409.13314v1
• Date: Fri, 20 Sep 2024 08:20:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 07:40:00.769320
• Title: A Ring-Based Distributed Algorithm for Learning High-Dimensional Bayesian Networks
• Title（参考訳）: 高次元ベイズネットワーク学習のためのリング型分散アルゴリズム
• Authors: Jorge D. Laborda, Pablo Torrijos, José M. Puerta, José A. Gámez,
• Abstract要約: 本稿では,局所学習アルゴリズムとしてGreedy Equivalence Search(GES)を用いたリングベース分散手法を提案する。 この方法は、可能なエッジの集合を分割し、リング内の各プロセッサが受信したサブセットでのみ動作するように制限することを含む。
• 参考スコア（独自算出の注目度）: 0.6574756524825567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning Bayesian Networks (BNs) from high-dimensional data is a complex and time-consuming task. Although there are approaches based on horizontal (instances) or vertical (variables) partitioning in the literature, none can guarantee the same theoretical properties as the Greedy Equivalence Search (GES) algorithm, except those based on the GES algorithm itself. In this paper, we propose a directed ring-based distributed method that uses GES as the local learning algorithm, ensuring the same theoretical properties as GES but requiring less CPU time. The method involves partitioning the set of possible edges and constraining each processor in the ring to work only with its received subset. The global learning process is an iterative algorithm that carries out several rounds until a convergence criterion is met. In each round, each processor receives a BN from its predecessor in the ring, fuses it with its own BN model, and uses the result as the starting solution for a local learning process constrained to its set of edges. Subsequently, it sends the model obtained to its successor in the ring. Experiments were carried out on three large domains (400-1000 variables), demonstrating our proposal's effectiveness compared to GES and its fast version (fGES).
• Abstract（参考訳）: 高次元データからベイズネットワーク(BN)を学習することは複雑で時間を要する作業である。 文献には水平(インスタンス)や垂直(変数)のパーティショニングに基づくアプローチがあるが、GESアルゴリズム自体に基づく手法を除いて、Greedy Equivalence Search (GES)アルゴリズムと同じ理論的性質を保証できない。 本稿では, GES を局所学習アルゴリズムとして用い, GES と同じ理論的特性を保証しながら,CPU 時間の短縮を図った有向リングベース分散手法を提案する。 この方法は、可能なエッジの集合を分割し、リング内の各プロセッサが受信したサブセットでのみ動作するように制限することを含む。 グローバルラーニングプロセスは、収束基準を満たすまで数ラウンドを繰り返す反復アルゴリズムである。 各ラウンドにおいて、各プロセッサは、前者のリングからBNを受け取り、それを自身のBNモデルと融合させ、その結果を、エッジの集合に制約された局所学習プロセスの開始解として利用する。 その後、環の後継者に得られたモデルを送付する。 3つの大きなドメイン(400-1000変数)で実験を行い、GESとその高速バージョン(fGES)と比較して提案手法の有効性を実証した。

関連論文リスト

• A Modular Spatial Clustering Algorithm with Noise Specification [0.0]
  細菌ファームアルゴリズムは、閉じた実験農場の細菌の成長にインスパイアされている。 他のクラスタリングアルゴリズムとは対照的に、我々のアルゴリズムはクラスタリング中に除外されるノイズの量を規定する機能も備えている。
  論文  参考訳（メタデータ） (2023-09-18T18:05:06Z)
• Consistency of Lloyd's Algorithm Under Perturbations [11.56433365648479]
  ロイドのアルゴリズムは最も広く使われているクラスタリングアルゴリズムの1つである。 準ガウス混合のサンプルに対するロイドのアルゴリズムの誤クラスタリング速度は、$O(log(n))$ iterationsの後に指数関数的に有界であることを示す。
  論文  参考訳（メタデータ） (2023-09-01T16:45:52Z)
• Open-Set Automatic Target Recognition [52.27048031302509]
  オートマチックターゲット認識(Automatic Target Recognition、ATR)は、異なるセンサーから取得したデータに基づいてターゲットを認識しようとするコンピュータビジョンアルゴリズムのカテゴリである。 既存のATRアルゴリズムは、トレーニングとテストが同じクラス分布を持つ従来のクローズドセット手法向けに開発されている。 ATRアルゴリズムのオープンセット認識機能を実現するためのオープンセット自動ターゲット認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-10T21:28:24Z)
• Towards Better Out-of-Distribution Generalization of Neural Algorithmic Reasoning Tasks [51.8723187709964]
  ニューラルネットワーク推論タスクのOOD一般化について検討する。 目標は、ディープニューラルネットワークを使用して入出力ペアからアルゴリズムを学ぶことである。
  論文  参考訳（メタデータ） (2022-11-01T18:33:20Z)
• 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)
• An LSTM-based Plagiarism Detection via Attention Mechanism and a Population-based Approach for Pre-Training Parameters with imbalanced Classes [1.9949261242626626]
  本稿では,Long Short-Term Memory(LSTM)と,LSTM-AM-ABCと呼ばれるアテンション機構に基づくアーキテクチャを提案する。 提案アルゴリズムは,全てのLSTM,アテンション機構,フィードフォワードニューラルネットワークにおいて,モデル学習の初期値を同時に求めることができる。
  論文  参考訳（メタデータ） (2021-10-17T09:20:03Z)
• Waypoint Planning Networks [66.72790309889432]
  本稿では,ローカルカーネル(A*のような古典的アルゴリズム)と学習アルゴリズムを用いたグローバルカーネルを用いたLSTMに基づくハイブリッドアルゴリズムを提案する。 我々は、WPNとA*を比較し、動き計画ネットワーク(MPNet)やバリューネットワーク(VIN)を含む関連する作業と比較する。 WPN の探索空間は A* よりもかなり小さいが、ほぼ最適な結果が得られることが示されている。
  論文  参考訳（メタデータ） (2021-05-01T18:02:01Z)
• Qubit-efficient entanglement spectroscopy using qubit resets [0.0]
  NISQデバイス上でのエンタングルメント分光のための量子ビット効率の量子アルゴリズムを開発した。 我々のアルゴリズムは、ノイズの存在下で同様の性能を保ちながら、従来のどの効率的なアルゴリズムよりも少ない量子ビットを使用する。 また、量子ビットリセット回路に適した標準回路深さの一般化として、有効回路深さの概念を導入する。
  論文  参考訳（メタデータ） (2020-10-06T23:22:57Z)
• A Polynomial Time Algorithm for Learning Halfspaces with Tsybakov Noise [55.45544638410858]
  本研究では,Tsybakovノイズの存在下でのPAC学習の相同性半空間の問題について検討する。 我々のアルゴリズムは、任意の精度$epsilon$で真のハーフスペースを学習する。
  論文  参考訳（メタデータ） (2020-10-04T22:19:06Z)
• A Systematic Characterization of Sampling Algorithms for Open-ended Language Generation [71.31905141672529]
  本稿では,自己回帰型言語モデルに広く採用されている祖先サンプリングアルゴリズムについて検討する。 エントロピー低減, 秩序保存, 斜面保全の3つの重要な特性を同定した。 これらの特性を満たすサンプリングアルゴリズムのセットが,既存のサンプリングアルゴリズムと同等に動作することがわかった。
  論文  参考訳（メタデータ） (2020-09-15T17:28:42Z)
• FedPD: A Federated Learning Framework with Optimal Rates and Adaptivity to Non-IID Data [59.50904660420082]
  フェデレートラーニング(FL)は、分散データから学ぶための一般的なパラダイムになっています。 クラウドに移行することなく、さまざまなデバイスのデータを効果的に活用するために、Federated Averaging(FedAvg)などのアルゴリズムでは、"Computation then aggregate"(CTA)モデルを採用している。
  論文  参考訳（メタデータ） (2020-05-22T23:07:42Z)

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。