prml復々習レーン#13 8.4.6-8.4.8
DESCRIPTION
PRML復々習レーン#13 8.4.6-8.4.8 発表資料TRANSCRIPT
PRML復々習レーン#13 8.4.6 – 8.4.8
2013-08-24
Yoshihiko Suhara
@sleepy_yoshi
8.4.6 一般のグラフにおける推論
• ループを持つグラフでも利用可能 – 閉路を持つグラフからジャンクションツリーの作成
• ジャンクションツリー – クリークをノード,共有された変数をリンクとするツリー – 積和アルゴリズムと同等のメッセージパッシングによって推論
A
B D
C
リンクを追加 (三角分割) してクリークを作成
2
A, B, D
B, C, D
(B, D)
クリークに対応するノードを用意 クリーク間で共有されたノードを リンクとする
ジャンクションツリー
8.4.7 ループあり確率伝播
• ループあり確率伝播 – ループを持たせたまま積和アルゴリズムを適用
• 何度も同じ情報が伝わってしまう
– ポイント: メッセージパッシングのスケジュールをうまく設定する
• スケジュール手法の例 – フラッディングスケジュール
• 各時刻において両方向にメッセージ送信
– 直列メッセージ • 各時刻において1つのメッセージのみ送信
– 保留メッセージのみ送信 • 保留メッセージ: 他のリンクから受け取っている何らかのメッセージ • 木構造グラフでは両方向に伝達された時点で必ず終了
3
8.4.8 グラフ構造の学習
• グラフ構造の学習
– ベイズ的にはグラフ構造の事後分布を利用し,その分布の平均を用いて予測分布を求める
– グラフ構造に対する事前分布 𝑝 𝑚 が与えられていると
𝑝 𝑚 𝐷 ∝ 𝑝 𝑚 𝑝(𝐷|𝑚)
• 欠点 – 潜在変数の周辺化が必要であるため,𝑝 𝐷 𝑚 の計算が大変
– グラフ構造の数はノード数に対して指数的に増加するため,探索も大変
4
おしまい
5