关键词lifted probabilistic inference
搜索结果 - 6
- 因子图中可交换因子的高效检测
利用概率图模型中的对称性进行可行的概率推理，我们在这篇论文中介绍了一种高效地检测可交换因子的方法，称为 DEFT 算法，通过有效地减少排列的数量来显著降低检测两个因子是否可交换的计算代价。
- 颜色传递再探讨：使用可交换因子进行抬升模型构建
我们提出了一种改进的颜色传递算法，利用逻辑变量构建一种与特定推理算法无关的提升表示，并在离线步骤中利用因子的可交换性，有效地检测更多的对称性，从而大大提高压缩率，当应用所得模型时，极大地加快了概率推理的在线查询时间。
- AAAI非对称图模型的升级概率推理
介绍了一种基于概率抽样的推理框架，利用图形模型中的近似对称性来提出在马尔可夫链中进行选择的步骤，以改进概率估计并保持无偏。
- 提升变量消除：将运算符与约束语言解耦
该文章将提升的推断与约束语言解耦，并通过关系代数运算符定义提升的推断算子，使它们能够在语义层面（约束扩展）上进行操作，从而使其与语言无关。通过使用更强有力的约束语言，飞跃推断的效率得到了数量级的提升，从而允许进行精确推断，而不是仅使用近似推 - AAAI对称感知边际密度估计
该研究利用 Rao-Blackwell 定理分析和改进展现对称性的大规模概率模型推理的可伸缩性，引入了一种新的边际密度估计器，并在理论和实证方面证明了其比标准估计器高出数个数量级。该理论和算法适用于广泛的概率模型，包括通常不易受到提升的统计 - 朝着完全抬升的基于搜索的概率推理
本文研究了提升概率推断在关系概率模型中的应用，以及在没有对未明确提及的个体进行单独推理的情况下，如何避免共性推理的现象，同时给出了两个主要结果：一般情况下，需要对个体进行单独推理，而当使用基于无限制参数随机变量的方法进行推理时，这个情况也可