- 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。
- 图神经网络与概率图模型的交叉：综述
该研究综述了图神经网络和概率图形模型的交叉应用，探讨了 GNN 如何受益于 PGM 学习结构表示，如何实现更有效的推理和结构学习，以及分析了近期研究中使用的基准数据集和未来研究方向。
- PGMax: JAX 环境中用于离散概率图模型的因子图和循环置信传播算法
PGMax 是一个基于 Python 开发的开源软件包，可用于轻松说明离散概率图模型（PGMs）作为因子图，并自动运行使用 JAX 中的高效可伸缩的环形置信传递（LBP），同时支持通用因子图和可计算因子，并利用现代加速器如 GPU 实现推断 - IJCAI分区函数估计：量化研究
本论文探讨了 18 种基于概率图模型的分区函数的估计方法，并经过广泛的基准实验进行了严格的实证研究。研究发现精确技术与近似技术的效率是相同的，因此我们对设计具有增强可扩展性的近似技术的机会持乐观态度。
- WWW一种面向信息检索的对抗性模仿点击模型
本文提出了一种基于模仿学习的对抗学习点击模型框架（Adversarial Imitation Click Model, AICM），通过明确地学习恢复用户的内在效用和潜在意图的奖励函数，将用户与排名列表的交互建模为动态系统（而不是单步点击预 - 社区检测方法综述：从统计建模到深度学习
本文提出了一种网络社区发现方法的统一架构，对现有的社区检测方法进行了全面的综述，并将现有的方法分为两类：概率图模型和深度学习。作者还释放了几个基准数据集，并概述了这些数据集的应用。该研究为进一步研究这一领域的挑战和未来方向提供了基础。
- EMNLP利用时间表达网络的神经对话状态跟踪
本文提出了 Temporally Expressive Networks (TEN) 模型以同时模拟对话轮次间的时间特征依赖和状态依赖。利用循环网络和概率图模型，模型对话状态追踪 (DST) 的准确率得到了提升。
- 聚合数据推理：一种最优传输方法
本文提出了一种新的高效置信传播算法 Sinkhorn belief propagation (SBP)，用于基于大量个体生成的聚合数据的概率图模型的推断问题。该算法基于最优传输理论并具有全局收敛保证，特别适用于隐马尔可夫模型的情况。
- MM深度强化学习中概率图模型和变分推断的教程与综述
本文详细介绍了概率图模型和变分推断在强化学习中的应用；从各个方面对深度强化学习的最新进展进行了回顾和比较，并提供了关于概率图模型和变分推断方法的详细分类，为该领域的研究提供了有价值的补充材料。
- 基于张量网络分解的概率建模表现力研究 - 从隐马尔科夫模型到量子机器学习的应用
该论文研究了张量网络在离散多元概率分布建模中的表达能力，并针对使用不同类型的张量带来的参数数量和效率变化进行了严格分析，发现局部纯净态表示法的表达能力优于其他表示法。
- 一般化递归推理模型下多智体互动中的有界理性建模
本文提出了一种广义的递归推理（GR2）框架，旨在建模具有不同分层次理性的代理，其架构能够使代理表现出不同层次的 “思考” 能力，使得上层代理可以更好地应对各种不那么复杂的学习者。我们在理论和实验方面都有贡献，首先在理论方面，通过概率图模型设 - 贝叶斯网络的高效抽样和结构学习
提出了一种新颖的混合方法，将基于约束和 MCMC 算法的两个领域结合起来，以高效地学习贝叶斯网络的有向无环图结构，并能对后验分布进行采样，从而实现全贝叶斯模型平均。
- 基于图神经网络的概率图模型推理
使用图神经网络作为一种有利于推断任务的推送算法，对于在循环密集的概率有向图上显著优于置信传播算法
- 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。
- AAAI基于生成对抗网络和概率图模型的高光谱图像分类
本文介绍了一种使用生成式对抗网络与概率图模型相集成的方法来进行高光谱图像分类，试图提高分类精度并在数据利用率上更有效地使用大量未标注数据，实验结果表明，这种方法在使用少量数据进行训练时，获得了令人鼓舞的分类准确度。
- AAAI利用预测信念传播学习通用潜变量图模型
提出了一种基于预测信念传播的新型学习和推断算法，对于一般潜变量图模型，算法将硬参数学习问题简化为一系列监督学习问题，并将学习不同种类的潜变量图模型统一到一个局部最优、统计一致的学习框架中，此算法在合成和真实数据集上显著优于前人方法，也更快地 - ICML消息传递式 Stein 变分梯度下降
通过我们提出的基于条件独立结构的概率图模型的消息传递 SVMG 方法 (简称 MP-SVGD) 使其在高维空间中具有更强的排斥力，从而提高了粒子效率和逼近灵活性，解决了 SVGD 中粒子落入概率密度函数模态和丧失排斥力的问题。
- 具有循环和潜变量的图模型的马尔可夫属性
研究了允许存在循环和潜变量的概率图模型，并引入了带有超边的有向图，定义并分析了多个与图形结构相关的马尔可夫属性。
- IJCAI计算机视觉中的粗 - 细阶段提升极大后验概率推断
研究了利用提升推理算法应用于计算机视觉中并开发了一种通用模板，其中采用了粗糙到精细的推理方法来提高算法的效率，成功地开发了用于立体视觉和交互式图像分割的基于提升推理算法的算法。
- 概率复杂事件识别：综述
本文研究复杂事件识别技术中的不确定性，并回顾了基于自动机、概率图模型和一阶逻辑等技术以及基于 Petri 网和语法的方法，提出了它们存在的一些限制，并针对性地指出未来研究的方向。