文献

J-GLOBAL ID：201802233133292227   整理番号：18A0973296

glauber動力学からのグラフモデルの学習【JST・京大機械翻訳】

Learning Graphical Models From the Glauber Dynamics

著者 (3件)： Bresler Guy (Department of Electrical Engineering and Computer Science, Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Gamarnik David (Operations Research Center and the Sloan School of Management, Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Shah Devavrat (Department of Electrical Engineering and Computer Science, Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA)
資料名： IEEE Transactions on Information Theory  (IEEE Transactions on Information Theory)
巻： 64  号： 6  ページ： 4072-4080  発行年： 2018年 
JST資料番号： C0231A  ISSN： 0018-9448  CODEN： IETTAW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,Glauber動力学(Gibbsサンプラとしても知られている)に従って生成されたデータから無指向のグラフィカルモデルを学習する問題を考察した。Glauber動力学は,グラフィカルモデルにおいて個々のノード(変数)を逐次更新するマルコフ連鎖であり,それは定常分布(それが十分な時間を与えることに収束する)からサンプルに頻繁に使用される。さらに,Glauber動力学は種々の設定における自然動的モデルである。本論文は,文献におけるグラフィカルモデル学習の標準定式化から逸脱し,そこでは,分布から独立した同一分布サンプルへのアクセスを仮定する。グラフィカルモデル学習に関する研究の多くは,計算コストが低いアルゴリズムの発見に向けられている。本論文の主要な結果として,著者らは,著者らがGlauber動力学を観察するとき,二値ペアワイズ図形モデルを再構成する問題が計算的に扱いやすいことを確立した。特に,本論文で明示的に定義された関数f(d)に対して,最大次数dをもつpノード上の二値対グラフモデルを,ほとんど情報理論的最小数のサンプルを用いて学習できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 情報理論 ,  ダイナミックモデル ,  再構成 ,  アルゴリズム ,  *学習 ,  Markov連鎖 ,  定式化
準シソーラス用語： 次数 ,  計算コスト ,  定常分布 ,  信念ネットワーク ,  *Glauber動力学 ,  *グラフモデル , 【Automatic Indexing@JST】

分類 (2件)： 符号理論  (ND02030R) ,  通信理論一般  (ND02010V)

タイトルに関連する用語 (3件)： Glauber動力学 ,  グラフモデル ,  学習