结构化信息传递

Sep, 2013

Structured Message Passing

Vibhav Gogate, Pedro Domingos

TL;DR本文提出了结构化消息传递（SMP），这是一种统一的近似推理算法框架，它利用诸如代数决策图和稀疏哈希表等结构化表示。我们人为地引入特定上下文独立性和确定性，以充分利用结构化表示的威力。我们的新算法引入了一些有趣的偏差方差权衡，并通过实验评估了这些权衡，并证明它们比现有技术更准确、更可扩展。

Abstract

In this paper, we present structured message passing (SMP), a unifying framework for approximate inference algorithms that take advantage of structured representations such as →

structured message passing approximate inference algorithms algebraic decision diagrams sparse hash tables determinism

发现论文，激发创造

简单流形消息传递用于化学性质预测

该论文提出了一种基于 Simplicial Message Passing 框架来处理分子结构的方法，其中包括用于量子化学性质预测的深度学习体系结构，并比传统的 MPNN 表现更好。

Jun, 2023

连续状态空间的信念传播：具有定量保证的随机传递消息

本文引入一种新的技术 —— 随机正交序列消息传递（SOSMP）—— 用于计算具有连续随机变量模型中的 BP 固定点，通过对信息的正交级数展开的确定性近似和基础系数的积分更新的蒙特卡洛估计的随机近似贴近 BP 固定点，此技术已被证明在任何树形图和满足缩小条件的任何图形中的 BP 更新都会收敛到唯一的 BP 固定点的 δ 邻域。同时，我们演示了如何根据所需的近似精度 δ 和兼容性函数的平滑度来选择基础系数的数量，并通过模拟实例和光流估计应用证明了我们理论的正确性。

Dec, 2012

稀疏网络对齐的消息传递算法

本研究考察了一种用于网络匹配问题的数学规划框架，以及其中的一种稀疏变体，并提出了一种新的消息传递算法，可快速高效地计算大规模网络匹配问题的近似解。我们与两个最佳解算器进行了广泛的模拟比较，其中包括两个合成匹配问题，两个生物信息学问题和三个大型本体匹配问题，包括具有已知标记匹配的多语种问题。

Jul, 2009

带结构推理网络的变分消息传递

通过结构化推理网络和变分信息传递算法，提出了一种针对深层结构模型的高效变分推理方法，实现了结构化、平凡化和自然梯度推理的同时简化了现有方法。

Mar, 2018

受挫系统上的局部消息传递

基于数据驱动优化的替代消息传递算法，可在环形图上实现更好的表现和性能，适用于各种科学领域，并且还开发了一种新型损失函数以实现无监督训练。

Jun, 2023

随机顺序消息传递算法在近似推理中的分析

本文采用随机协方差矩阵和动力学平均场方程来分析一种用于大型高斯潜变量模型的随机顺序消息传递算法，包括模型不匹配情境和算法收敛的模型参数取值范围.

Feb, 2022

3D 图形网络的球形消息传递

本文提出了一种基于球面坐标系的球面消息传递（SMP）算法和 SphereNet 模型，在可以区分几乎所有分子结构的同时提高了预测性能，证明其在大规模分子中具有高效性和可扩展性的优势。

Feb, 2021

压缩感知的消息传递算法：I. 动机与构造

本篇论文介绍了一种低复杂度的迭代阈值算法，名为 AMP（近似消息传递），可从一小组线性测量中重构稀疏信号，并与相关文献建立联系。

Nov, 2009

使用结构消息传递构建强大且等变的图神经网络

通过在节点特征的基础上传播节点的 One-hot 编码，以学习每个节点周围的本地上下文矩阵以及保证置换等变性的消息和更新函数，我们提出了一种具有强大表达能力和等变性的消息传递框架，用于对图形网络进行建模，实验表明本模型可以更准确地预测合成数据上的图形拓扑性质，并在 ZINC 数据集的分子图回归任务中取得了最优结果。

Jun, 2020

分布式系统中的健壮概率推断

本文研究了概率推断问题在分布式系统中的应用，提出了一种新的基于消息传递的算法，相较于传统的 sum-product 算法，该算法对节点故障和通信失效有更好的稳健性，且在网络拓扑复杂时具有更优的计算复杂度，并用传感器网络定标任务进行了实验验证。

Jul, 2012