論文の概要: On the Detection of Commutative Factors in Factor Graphs: Necessary and Sufficient Conditions

• arxiv url: http://arxiv.org/abs/2605.26908v1
• Date: Tue, 26 May 2026 12:05:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.993787
• Title: On the Detection of Commutative Factors in Factor Graphs: Necessary and Sufficient Conditions
• Title（参考訳）: 因子グラフにおける可換因子の検出について:必要条件と十分条件
• Authors: Malte Luttermann, Ralf Möller, Marcel Gehrke,
• Abstract要約: 我々は,最先端アルゴリズムの基盤となる理論的基礎を再検討し,可換因子を検出する。 上記の定理のわずかに修正されたバージョンを証明し、可換因子を特定するために必要な条件として機能する。 本稿では,精度を確保しつつ効率を保ちつつ,より厳密な最悪ケース境界を持つ補間アルゴリズムを導入する,最先端アルゴリズムの修正版を提案する。
• 参考スコア（独自算出の注目度）: 4.503368323711748
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Exploiting the indistinguishability of objects in a probabilistic graphical model such as a factor graph is key to lifted probabilistic inference algorithms and allows for tractable probabilistic inference problems with respect to domain sizes. A central building block for the exploitation of indistinguishable objects in factor graphs is the identification of commutative factors, i.e., factors whose output values are invariant under permutations of input values assigned to a subset of their arguments. In this paper, we revisit the theoretical foundations underlying the state-of-the-art algorithm to detect commutative factors. Specifically, we show that in its current form, the state-of-the-art algorithm relies on a central theorem that is mistakenly regarded as a sufficient condition to identify commutative factors, while it actually only implies necessary condition. Consequently, the state of the art might, as we show in this paper, deliver incorrect results. To fix the flaws currently present in the state of the art, we prove a slightly modified version of the aforementioned theorem, which serves as a necessary condition to identify commutative factors. Moreover, we present a corrected version of the state-of-the-art algorithm, which keeps its efficiency while ensuring correctness and introduce a complementary algorithm with tighter worst-case bounds.
• Abstract（参考訳）: 因子グラフのような確率的グラフィカルモデルにおけるオブジェクトの不明瞭さを露呈することは、高揚な確率的推論アルゴリズムの鍵であり、ドメインサイズに関する抽出可能な確率的推論問題を可能にする。 因子グラフにおける区別不能なオブジェクトの活用のための中心的なビルディングブロックは、可換因子、すなわち、その引数のサブセットに割り当てられた入力値の置換の下で出力値が不変である因子の同定である。 本稿では,最先端アルゴリズムの基盤となる理論的基礎を再検討し,可換因子を検出する。 具体的には、現在の形式では、最先端のアルゴリズムは可換因子を特定するのに十分な条件として誤って見なされるような中心定理に依存しているが、実際には必要条件のみを意味していることが示される。 したがって、この論文で示すように、最先端技術は誤った結果をもたらす可能性がある。 現在最先端にある欠陥を修正するために、上記の定理のわずかに修正されたバージョンを証明し、これは可換因子を特定するために必要な条件となる。 さらに、精度を確保しつつ効率を保ちつつ、より厳密な最悪ケース境界を持つ補完アルゴリズムを導入する、最先端アルゴリズムの修正版を提案する。

関連論文リスト

• Partial Transportability for Domain Generalization [56.37032680901525]
  本稿では, 部分的同定と輸送可能性の理論に基づいて, 対象分布の関数値の有界化に関する新たな結果を紹介する。 我々の貢献は、輸送可能性問題に対する最初の一般的な評価手法を提供することである。 本稿では,スケーラブルな推論を実現するための勾配に基づく最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-03-30T22:06:37Z)
• 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)
• Identifiable Latent Neural Causal Models [82.14087963690561]
  因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。 因果表現の識別可能性に寄与する分布シフトのタイプを決定する。 本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
  論文  参考訳（メタデータ） (2024-03-23T04:13:55Z)
• Efficient Detection of Exchangeable Factors in Factor Graphs [1.1323769002489257]
  本稿では,交換可能因子(DEFT)検出アルゴリズムを導入し,実際に2つの因子が交換可能かどうかの計算労力を大幅に削減する。 我々は,DEFTが置換数を大幅に削減する制約を効果的に同定し,実験的な評価においてDFTの効率性を検証することを証明した。
  論文  参考訳（メタデータ） (2024-03-15T10:20:56Z)
• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• Colour Passing Revisited: Lifted Model Construction with Commutative Factors [3.1045268505532566]
  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。
  論文  参考訳（メタデータ） (2023-09-20T11:57:19Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)
• Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
  因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。 この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。 実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
  論文  参考訳（メタデータ） (2020-08-02T11:19:36Z)

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。