论文讨论高维高斯图模型选择问题，提出一种基于经验条件协方差的阈值算法，通过这个算法可以在可接受的时间内求解一些图形，此算法在某些透明条件下是一致的，与该模型的非零度和拓扑结构有关。

Jul, 2011

研究了隐变量图模型中的结构估计问题，提出了一种计算高效且保证正确性的方法，并应用于局部树状结构的模型及相关衰减的模型，特别地，对于伊辛模型，该方法能与采样要求的下界接近。

Mar, 2012

本文研究了从 i.i.d 样本中学习离散无向图结构的计算复杂性。首先，我们指出学习带有噪声的奇偶校验可以作为学习图模型的一个特殊情况。其次，我们提出一个有关统计算法的条件，它们无法在 $p$ 最大度数为 $d$ 的一般图模型上有效学习，因此需要限制模型类的大小。除了对图的结构性假设之外，我们还引入相关性衰减度量，研究了反铁磁模型。我们提供了一个性能介于 $O (p^2)$ 和 $O (p^{d+2})$ 之间的算法。

Dec, 2014

本文提出了一种基于原子范数的正则化估计器用于直接估计两个 Ising 模型之间依赖结构的变化，仅需要满足样本复杂度要求的一组样本就可以将变化准确地估计出来，并且估计误差会随着样本数的增加而减小。

Jun, 2016

提出了一种新的，具有物理解释的统计估计量来学习未知 Ising 模型的基础图，该估计量使用凸优化计算速度快，并且在适当的正则化下，可以以对数的速度回复基础图。

May, 2016

本文介绍一种名为 Interaction Screening 的新方法，使用本地优化问题准确估计模型参数，这个算法在信息论上优化样本数量的条件下可以实现完美的图形结构恢复，证明了 Interaction Screening 方法是一种准确、可行和最优的通用逆向 Ising 问题解决技术。

Dec, 2016

本文中，我们提出了一种 Lasso 惩罚版本的 Monte Carlo 极大似然方法，用于高维二元马尔可夫随机场的模型选择问题。在证明了算法的正确性后，我们还研究了该方法的有效性。

Dec, 2016

研究了如何检测随机图中的高维几何结构问题，提出了一种基于新量的近乎最优和高效的测试方法，并针对稠密和稀疏情况提出了检测界和估计维度的猜想。

Nov, 2014

本文提出了一种基于 logistic 回归的方法来估计与二元 Ising 马尔可夫随机场相关联的图，并分析了该方法在高维情况下的表现，提出了一些充分条件，使其能够同时一致估计图中每个节点的邻域。

Oct, 2010

本文探讨了如何通过简单的贪心算法来学习任意边界度数的 Ising 模型，在保证模型可辨识度的情况下，仅需用时 O (p^2) 即可还原图结构，并且该结构性质可独立运用于其他相关研究。

Nov, 2014