图形模型中的顺序蒙特卡洛推断网络
摘要：通过学习启发式逆向的方法，我们介绍了一种新的用于在有向图模型中分摊推理的方法，该方法专为在序列蒙特卡洛方法中用作提议分布而设计。我们描述了一种构建和学习结构化神经网络的过程，该网络表示图模型的逆因子化，从而得到一个条件密度估计器，该估计器以观察到的随机变量的特定值作为输入，并返回对潜在变量分布的近似。这个识别模型可以在离线学习，独立于任何特定的数据集，在执行推理之前。这些网络的输出可以用作自动学习的高质量提议分布，以加速在各种问题设置中进行序列蒙特卡洛。
作者：Brooks Paige, Frank Wood
论文ID：1602.06701
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-03-09