Feb, 2022

IBIA：使用团树上增量建立，推理和近似操作的贝叶斯推断

PDF
TL;DR这篇文章提出了一种基于增量 - 建立 - 推理 - 近似的方法，将贝叶斯网络转化为包含一系列链接团树森林的数据结构，这些团树森林的大小由用户指定，可以用于高效的近似推理分区函数以及先验和后验的边缘概率分布。实验结果表明，相对于其他近似方法，该方法可显著减少误差并具有具有竞争性的运行时间。
bayesian networksclique treesapproximate inferenceincremental buildlinked clique tree forests
发现论文，激发创造
  • IBIA：用于对配分函数进行近似推理的增量式构建 - 推理 - 近似框架

    提出了一种基于 SCTF 的方法来计算概率图模型的配分函数，并通过算法的精确性和复杂度之间权衡进行逼近推断，旨在提高计算效率和准确性。

    Apr, 2023

  • 使用 IBIA 框架的边缘近似推理

    该论文提出了一种新的基于 IBIA 范例的算法，它通过使用启发式置信度更新算法来推断边际。该方法与现有的变分和采样方法相比，在多个基准测试数据集上具有更好或相当的准确性，并且运行时间更短。

    Jun, 2023

  • 使用增量构建 - 推断 - 近似范式进行 MPE 推断

    本文提出了一种基于增量建立 - 推断 - 近似（IBIA）框架的算法，用于近似求解贝叶斯网络中最大可能解（MPE）的推断问题，该算法无需搜索，运行时间竞争力强，可在 117 个测试基准中的 100 个得到有效结果，精度与分支限界搜索相当。

    Jun, 2022

  • 一个近似推断的通用算法及其在混合贝叶斯网络中的应用

    本文提出了一种新的方法，结合了近似推理和团树算法，通过使用统计重要性采样来估计每个团中的密度，绕过了保持团势的精确表示的限制，并使用迭代逐渐提高估计质量。

    Jan, 2013

  • 基于信息批次置信树的不确定性运动规划

    本文提出一种名为 IBBT 算法的运动规划算法，该算法利用启发式算法，将随机运动规划问题划分为确定性运动规划问题和图搜索问题，并交替进行批量状态采样、路径规划和启发式搜索，以找到满足信念空间运动规划的最优解。实验表明，IBBT 算法在不同规划环境中具有更快的运行速度和更好的性能。

    Apr, 2023

  • 基于约束条件的因果推断的贝叶斯方法

    本论文提出了一种结合贝叶斯方法和约束方法的算法，用于解决从有限数据集进行因果推断的准确性和稳健性问题。

    Oct, 2012

  • 聚类变分近似用于不完整数据下连续时间贝叶斯网络结构学习

    本论文提出了一种新的基于簇变分方法的连续时间贝叶斯网络近似算法，用于从不完整和嘈杂的时间序列数据中直接学习网络结构，并在可扩展性方面优于现有的方法。

    Sep, 2018

  • 基于蒙特卡罗树搜索和价值函数的离散分布近似推断

    利用强化学习中的蒙特卡罗树搜索（Monte Carlo Tree Search）算法对概率模型的近似推理进行建模，提出了基于 “最佳先行探索” 的启发式方法来动态分配函数调用，并展示了该方法的效果优于标准的近似推理方法。

    Oct, 2019

  • 蒙特卡罗树搜索中的贝叶斯推断

    本文介绍了一种基于贝叶斯框架与高斯近似算法的 Monte-Carlo Tree Search 方法，旨在更准确地估算节点价值和不确定性，并证明了该方法的在策略和非策略情境下的收敛性和实现的优越性。

    Mar, 2012

  • 主动贝叶斯因果推断

    本文提出了一种基于贝叶斯方法和高斯过程的主动学习框架 ——ABCI，该框架可同时进行因果图推断和因果推理，通过最大信息设计测量，从少量样本中更加高效地准确学习下游的因果查询，并为有关量提供良好的预测不确定性估计。

    Jun, 2022