IBIA: An Incremental Build-Infer-Approximate Framework for Approximate Inference of Partition Function

要約

タイトル：パーティション関数の近似推論のためのIBIA：増分逐次構築推論近似フレームワーク
要約：

– パーティション関数の正確な計算は非常に難しく、近似推論技術が必要です。
– 既存の近似推論手法は、多くのベンチマークに対して収束が遅いことが多く、精度と計算量のトレードオフの調整も難しいです。
– IBIAフレームワークを提案し、これらの課題に対処します。
– このフレームワークでは、確率的グラフィカルモデルを有界なクリークサイズを持つクリーク木の森のシーケンスに変換します。
– このSCTFを使用して、パーティション関数を効率的に計算できることを示します。
– SCTFを構築するための2つの新しいアルゴリズムを提案し、両方の正当性を証明します。
– 第1のアルゴリズムはクリーク木の増分構築のためのもので、有効な有界クリーク木を生成することが保証されています。
– 第2のアルゴリズムは、キャリブレートされたCTFを入力とし、クリークサイズを減らした有効かつキャリブレートされたCTFを出力する近似アルゴリズムです。
– 最近のUAIコンペティションからいくつかのベンチマークを使用して、提案手法を評価し、競争力のあるランタイムで良好な精度を示しました。

要約(オリジナル)

Exact computation of the partition function is known to be intractable, necessitating approximate inference techniques. Existing methods for approximate inference are slow to converge for many benchmarks. The control of accuracy-complexity trade-off is also non-trivial in many of these methods. We propose a novel incremental build-infer-approximate (IBIA) framework for approximate inference that addresses these issues. In this framework, the probabilistic graphical model is converted into a sequence of clique tree forests (SCTF) with bounded clique sizes. We show that the SCTF can be used to efficiently compute the partition function. We propose two new algorithms which are used to construct the SCTF and prove the correctness of both. The first is an algorithm for incremental construction of CTFs that is guaranteed to give a valid CTF with bounded clique sizes and the second is an approximation algorithm that takes a calibrated CTF as input and yields a valid and calibrated CTF with reduced clique sizes as the output. We have evaluated our method using several benchmark sets from recent UAI competitions and our results show good accuracies with competitive runtimes.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI