为什么在网格图上的MRF精确推断是不可能的

问题如标题所述

enter image description here

上图是一个3×3的网格图。我们可以将其转换为连接树。然后可以使用消息传递(乘积-和算法)进行推断(估计似然/后验等)。所以我想知道为什么在网格图上的精确推断如此困难?

当网格变大时,是否无法找到这样的连接树?


回答:

简短回答:对于n x n的网格,其复杂度至少是n的指数级。

连接树是从MRF的诱导图创建的,这取决于消元顺序(你首先消除哪些变量来计算边缘分布)。消元成本在诱导图中最大团的大小上是指数级的。详见这篇论文。

因此,尽管我们可以在连接树上使用精确推断,但复杂度将是所使用消元顺序的诱导图中最大团大小的指数级。

最佳的消元顺序将产生一个最大团大小等于树宽的诱导图,对于n x n的网格,树宽为n。但没有有效的算法来找到它。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注