Aug, 2022

SOLBP: 用于不确定贝叶斯网络推理的二阶循环置信传播

HTML
PDF
TL;DR本文研究了二阶不确定贝叶斯网络，提出了一种名为SOLBP的扩展Loopy Belief Propagation的方法，能够有效地计算模型不确定性并产生与sum-product网络相一致的推理结果。
发现论文，激发创造
  • 循环置信传播和吉布斯测度

    通过在loopy belief propagation算法中建立Gibbs度量的依据，我们探讨了算法的收敛性并开发了易于测试的充分条件。收敛的失败意味着Gibbs规范的多相存在。这些结果为算法的机理提供了新的见解。

    Dec, 2012

  • 期望传播用于近似贝叶斯推断

    本研究提出了一种新的确定性逼近方法——“期望传播”，它将两种先前的技术统一起来，即卡尔曼滤波器的扩展和贝叶斯网络中一种置信传播方法的扩展；试图恢复一个近似分布，其KL散度接近真实分布，并且Experiments with Gaussian mixture models show Expectation Propagation to be convincingly better than methods with similar computational cost: Laplace's method, variational Bayes, and Monte Carlo。而期望传播还提供了一种高效的算法，用于训练贝叶斯点机分类器。

    Jan, 2013

  • 循环置信传播用于近似推理：实证研究

    探讨了关于循环置信传播算法在贝叶斯网络中进行近似推断的适用性问题，并在若干网络结构中得出了相对正确的边际概率分布近似解。但是，在某些特定情况下，循环置信传播算法会出现振荡现象，但是解决振荡问题的方法得出的结果是错误的。

    Jan, 2013

  • 连续变量信念网络中概率推理的拉普拉斯方法逼近

    本文介绍了拉普拉斯方法，一种用于逼近积分的渐近方法，作为连续变量信念网络中知识获取和概率推断的技术工具箱的潜在候选项。该方法在许多有趣的情况下以合理的精度逼近后验矩和边际后验分布，此方法还似乎有助于计算用于模型选择、模型不确定性和pdf混合的贝叶斯因子的近似值。拉普拉斯方法的局限性、正则性条件和计算难点与最大似然和后验模式分析方法相当。

    Feb, 2013

  • 信念网络上一般概率推断的模拟方法

    本文研究一种基于Monte Carlo采样的“前向”算法家族，用于解决在信念网络上计算概率推理的问题，并提出了几种改进策略以降低后验方差。

    Mar, 2013

  • 基于二元马尔可夫网的置信传播线性化

    本文提出了一种基于解线性方程组的方法，用于近似解决循环因子带权 Markov 随机场的置信传播问题，并且这种方法能够同时享有完全收敛的保证和较快的矩阵实现、适应于异质网络的特点。实验结果表明，在节点权重较弱的网络图上，这种线性化的方法在保证准确性的同时大大加快了推断速度，达到了与 BP 相当的标签准确性。

    Feb, 2015

  • 不确定性贝叶斯网络：从不完整数据中学习

    本文旨在改进处理不确定贝叶斯网络的现有方法，通过使该方法能够学习其参数的分布，即条件概率，并基于各种查询的强度和经验确定置信度限制，从而在不完整的数据情况下学习参数的后验分布。

    Aug, 2022

  • 理解信念传播的行为

    本文研究概率图模型中置信传播算法的性能，特别关注模型参数对固定点数、收敛性和逼近质量的影响。

    Sep, 2022

  • 贝叶斯网络中循环的基础

    本文提出基于约束和限制两种语义的循环贝叶斯网络的研究，并证明这两种语义可以通过马尔可夫链构造来计算。

    Jan, 2023

  • 量化的布尔贝叶斯网络: 逻辑图模型的理论与实验

    本文介绍Quantified Boolean Bayesian Network (QBBN)，提供了逻辑和概率推理的统一视角，通过创建具有逻辑推理基础的无界布尔变量的贝叶斯网络，以解决信息检索中大型语言模型（LLM）产生幻觉的问题，并且研究了推断方法中的LBP的使用和收敛性。

    Feb, 2024