論文の概要: MEC-IP: Efficient Discovery of Markov Equivalent Classes via Integer Programming

• arxiv url: http://arxiv.org/abs/2410.18147v1
• Date: Tue, 22 Oct 2024 22:56:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 12:52:03.400970
• Title: MEC-IP: Efficient Discovery of Markov Equivalent Classes via Integer Programming
• Title（参考訳）: MEC-IP: 整数プログラミングによるマルコフ等価クラスの効率的な発見
• Authors: Abdelmonem Elrefaey, Rong Pan,
• Abstract要約: 本稿では,ベイジアンネットワーク(BN)のマルコフ等価クラス(MEC)を発見するための新しいプログラミング(IP)手法を提案する。 我々の数値計算結果から,計算時間の大幅な削減はアルゴリズムによって達成されるだけでなく,多様なデータセットで因果発見精度の向上が見られた。
• 参考スコア（独自算出の注目度）: 3.2513035377783717
• License:
• Abstract: This paper presents a novel Integer Programming (IP) approach for discovering the Markov Equivalent Class (MEC) of Bayesian Networks (BNs) through observational data. The MEC-IP algorithm utilizes a unique clique-focusing strategy and Extended Maximal Spanning Graphs (EMSG) to streamline the search for MEC, thus overcoming the computational limitations inherent in other existing algorithms. Our numerical results show that not only a remarkable reduction in computational time is achieved by our algorithm but also an improvement in causal discovery accuracy is seen across diverse datasets. These findings underscore this new algorithm's potential as a powerful tool for researchers and practitioners in causal discovery and BNSL, offering a significant leap forward toward the efficient and accurate analysis of complex data structures.
• Abstract（参考訳）: 本稿では,ベイズネットワーク(BN)のマルコフ等価クラス(MEC)を観測データから発見するための新しい整数プログラミング(IP)手法を提案する。 MEC-IPアルゴリズムは、独自のclique-focusing戦略とExtended Maximal Spanning Graphs(EMSG)を用いて、MECの探索を効率化し、既存のアルゴリズムに固有の計算制限を克服する。 我々の数値計算結果から,計算時間の大幅な削減はアルゴリズムによって達成されるだけでなく,多様なデータセットで因果発見精度の向上が見られた。 これらの発見は、因果発見とBNSLにおける研究者や実践者の強力なツールとしてのこの新しいアルゴリズムの可能性を強調し、複雑なデータ構造の効率的かつ正確な分析に向けて大きな前進をもたらした。

関連論文リスト

• Improved Graph-based semi-supervised learning Schemes [0.0]
  本研究では,ラベルの少ない大規模データセットの分類に対処するため,いくつかの既知のアルゴリズムの精度を向上させる。 私たちのフレームワークは、グラフベースの半教師あり学習の領域にあります。
  論文  参考訳（メタデータ） (2024-06-30T16:50:08Z)
• From Decoding to Meta-Generation: Inference-time Algorithms for Large Language Models [63.188607839223046]
  この調査は、推論中に計算をスケールするメリットに焦点を当てている。 我々はトークンレベルの生成アルゴリズム、メタジェネレーションアルゴリズム、効率的な生成という3つの領域を統一的な数学的定式化の下で探索する。
  論文  参考訳（メタデータ） (2024-06-24T17:45:59Z)
• The data augmentation algorithm [1.588066191024883]
  データ拡張(DA)アルゴリズムはマルコフ連鎖モンテカルロ(MCMC)アルゴリズムであり、難解な確率分布からサンプリングするために使われる。 本稿では,DA MCMCアルゴリズムの理論的基礎,方法論的実装,多種多様な応用について概説する。
  論文  参考訳（メタデータ） (2024-06-15T01:51:08Z)
• Spectral Entry-wise Matrix Estimation for Low-Rank Reinforcement Learning [53.445068584013896]
  低ランク構造を持つ強化学習(RL)における行列推定問題について検討した。 低ランク帯では、回収される行列は期待される腕の報酬を指定し、低ランクマルコフ決定プロセス(MDP)では、例えばMDPの遷移カーネルを特徴付ける。 簡単なスペクトルベースの行列推定手法は,行列の特異部分空間を効率よく復元し,ほぼ最小の入力誤差を示すことを示す。
  論文  参考訳（メタデータ） (2023-10-10T17:06:41Z)
• Provably Efficient Representation Learning with Tractable Planning in Low-Rank POMDP [81.00800920928621]
  部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究 まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。 次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
  論文  参考訳（メタデータ） (2023-06-21T16:04:03Z)
• Representation Learning with Multi-Step Inverse Kinematics: An Efficient and Optimal Approach to Rich-Observation RL [106.82295532402335]
  既存の強化学習アルゴリズムは、計算的難易度、強い統計的仮定、最適なサンプルの複雑さに悩まされている。 所望の精度レベルに対して、レート最適サンプル複雑性を実現するための、最初の計算効率の良いアルゴリズムを提供する。 我々のアルゴリズムMusIKは、多段階の逆運動学に基づく表現学習と体系的な探索を組み合わせる。
  論文  参考訳（メタデータ） (2023-04-12T14:51:47Z)
• Towards Meta-learned Algorithm Selection using Implicit Fidelity Information [13.750624267664156]
  IMFASは、計算コストの低い任意のメタ機能によって容易に豊かになる情報的ランドマークを生産する。 テスト期間中に、ほぼ半分の忠実度シーケンスでSuccessive Halvingを破ることができることを示す。
  論文  参考訳（メタデータ） (2022-06-07T09:14:24Z)
• Robustification of Online Graph Exploration Methods [59.50307752165016]
  我々は、古典的で有名なオンライングラフ探索問題の学習強化版について研究する。 本稿では,予測をよく知られたNearest Neighbor(NN)アルゴリズムに自然に統合するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-12-10T10:02:31Z)
• Fast Reinforcement Learning with Incremental Gaussian Mixture Models [0.0]
  Incrmental Gaussian Mixture Network (IGMN)と呼ばれる単一パスから学習可能なオンラインおよびインクリメンタルなアルゴリズムが、結合状態とQ値空間のためのサンプル効率関数近似器として採用された。 IGMN関数近似器の使用は、勾配降下法で訓練された従来のニューラルネットワークと比較して、強化学習に重要な利点をもたらすことが観察された。
  論文  参考訳（メタデータ） (2020-11-02T03:18:15Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。