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

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注