具有泊松边际分布的树结构马尔可夫随机场
研究二元马尔可夫随机场中，图形选择问题在高维情况下的信息论局限性，为具有最多k条边的p个定点图的类$Gpk$以及最高degree不超过d的p个定点图的类$Gpd$，提出了正确图形选择的必要和充分条件，并建立了一个图形译码器，该译码器适用于样本量n>c'k² log(p)和n>c'd³ log(p)。
May, 2009
本文介绍了使用 hinge-loss Markov 随机场图模型进行结构化预测的方法，包括适用于 HL-MRFs 的可扩展的推理算法和几种学习算法，并证明了该方法在四个应用领域中能够与离散模型相媲美或更好的预测性能。
Sep, 2013
通过建立适当的零和游戏，采用概念上的方法来证明相互信息的下限，进而推广到具有高阶交互作用的任意马尔科夫随机场，从而获得在n个节点上学习具有r阶相互作用的有界次数图上的马尔科夫随机场的算法，样本复杂度为log(n)，时间复杂度为n^r。
May, 2017
本文提出了 Gamma-Poisson 模型及其最大边际似然估计和 Monte Carlo Expectation-Maximization 算法等内容，并阐明这种方法的鲁棒性和自动减枝等优点。
Jan, 2018
本文提出了一种基于最大伪似然估计的学习Markov随机场(MRF)结构的方法，该方法处理了MRF中的对称性问题，与现有的独立性检验技术相比，在实验中当存在非对称依赖时获得了更高的精度。
Jul, 2018
使用广义精度矩阵（GPM），在所有数据类型（即连续、离散和混合类型）中表征了条件独立结构，提出了一种Markov网络结构学习算法，在处理大型图形时使用正则化评分匹配框架来统一所有情况。
May, 2023
We introduce an exact Bayesian inference method for discrete statistical models, using a probabilistic programming language that supports both discrete and continuous sampling, and probability generating functions to compute posterior probabilities, expectation, variance, and higher moments automatically and with competitive performance.
May, 2023
给定一个无向图G作为输入，本文通过给出一个以树宽和图G的最大度数为参数的固定参数可行算法，为解决如何计算具有相同骨架G的不同Markov等价类的问题取得了进展。
Oct, 2023
本文研究了随机递归树中顶点到达顺序估计问题。具体而言，我们研究了两个基本模型：均匀连接模型和线性优先连接模型。我们提出了一种基于Jordan中心度度量的顺序估计器，并定义了一族风险度量方法来量化排序过程的质量。此外，我们为该问题建立了极小极大下界，并证明了所提出的估计器几乎是最优的。最后，我们通过数值实验证明了所提出的估计器优于基于度数和谱的排序方法。
Mar, 2024