近似推理的计量迷你桶消除
摘要：计算离散图模型的分区函数$Z$是一项基础推理挑战。由于这在计算上不可行，实践中常常使用变分逼近。最近，所谓的规范变换被用来改进对$Z$的变分下界。在本文中，我们提出了一种新的规范变分方法，称为WMBE-G，它将规范变换与加权小桶消除(WMBE)方法相结合。WMBE-G可以提供$Z$的上界和下界，而且比以前的规范变分算法更容易优化。我们证明了WMBE-G相对于对称模型（包括无磁场的伊辛模型）的早期WMBE逼近是严格改进的。我们的实验结果证明了WMBE-G即使对于通用的非对称模型也是有效的。
作者：Sungsoo Ahn, Michael Chertkov, Jinwoo Shin and Adrian Weller
论文ID：1801.01649
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-03-06