Colour Passing Revisited: Lifted Model Construction with Commutative Factors

要約

リフト確率的推論は、確率モデルの対称性を利用して、ドメイン サイズに関して扱いやすい確率的推論を可能にします。
リフト推論を適用するには、リフト表現を取得する必要があります。そのためには、いわゆるカラー パッシング アルゴリズムが最先端技術です。
ただし、カラー パッシング アルゴリズムは特定の推論アルゴリズムに束縛されており、リフト表現を構築する際に因子の可換性を無視することがわかりました。
私たちは、論理変数を使用して特定の推論アルゴリズムから独立してリフト表現を構築すると同時に、オフライン ステップ中に因子の可換性を利用する、カラー パッシング アルゴリズムの修正バージョンを提供します。
私たちが提案するアルゴリズムは、最新技術よりも多くの対称性を効率的に検出するため、圧縮率が大幅に向上し、結果のモデルが適用される際の確率的推論のオンライン クエリ時間が大幅に短縮されます。

要約(オリジナル)

Lifted probabilistic inference exploits symmetries in a probabilistic model to allow for tractable probabilistic inference with respect to domain sizes. To apply lifted inference, a lifted representation has to be obtained, and to do so, the so-called colour passing algorithm is the state of the art. The colour passing algorithm, however, is bound to a specific inference algorithm and we found that it ignores commutativity of factors while constructing a lifted representation. We contribute a modified version of the colour passing algorithm that uses logical variables to construct a lifted representation independent of a specific inference algorithm while at the same time exploiting commutativity of factors during an offline-step. Our proposed algorithm efficiently detects more symmetries than the state of the art and thereby drastically increases compression, yielding significantly faster online query times for probabilistic inference when the resulting model is applied.

arxiv情報

著者 Malte Luttermann,Tanya Braun,Ralf Möller,Marcel Gehrke
発行日 2023-09-20 11:57:19+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI パーマリンク