Automatic Rao-Blackwellization for Sequential Monte Carlo with Belief Propagation

要約

状態空間モデル (SSM) での正確なベイズ推論は一般に扱いにくく、残念ながら、基本的な逐次モンテカルロ (SMC) 法では複雑なモデルに対して正しい近似が得られません。
この論文では、可能な限り信念伝播を使用して閉形式の解を計算し、正確な計算が失敗した場合にはサンプリングベースの SMC 手法にフォールバックする混合推論アルゴリズムを提案します。
したがって、このアルゴリズムは自動 Rao-Blackwellization を実装しており、ガウス ツリー モデルに対しても正確です。

要約(オリジナル)

Exact Bayesian inference on state-space models~(SSM) is in general untractable, and unfortunately, basic Sequential Monte Carlo~(SMC) methods do not yield correct approximations for complex models. In this paper, we propose a mixed inference algorithm that computes closed-form solutions using belief propagation as much as possible, and falls back to sampling-based SMC methods when exact computations fail. This algorithm thus implements automatic Rao-Blackwellization and is even exact for Gaussian tree models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google