[論文レビュー] An Axiomatic Framework for Bayesian and Belief-function Propagation

Prakash P. Shenoy, Glenn Shafer|arXiv (Cornell University)|Mar 27, 2013

Bayesian Modeling and Causal Inference参考文献 15被引用数 11

ひとこと要約

本稿では、変数、評価、結合、マージナル化演算子を通じてベイズ的および信念関数的伝搬を統一する公理的枠組みを提示する。この枠組みは、ハイパーツリー上で局所的計算が可能であるための条件を確立し、公理が確率的および証拠に基づく推論システムの両方において正確かつ効率的な伝搬を可能にすることを証明する。

ABSTRACT

In this paper, we describe an abstract framework and axioms under which exact local computation of marginals is possible. The primitive objects of the framework are variables and valuations. The primitive operators of the framework are combination and marginalization. These operate on valuations. We state three axioms for these operators and we derive the possibility of local computation from the axioms. Next, we describe a propagation scheme for computing marginals of a valuation when we have a factorization of the valuation on a hypertree. Finally we show how the problem of computing marginals of joint probability distributions and joint belief functions fits the general framework.

研究の動機と目的

• 正確な局所的計算を可能にする1つの抽象的枠組みとして、ベイズ的および信念関数的推論を統一すること。
• 信念の伝搬が一貫的かつ効率的に行われるよう保証する、結合およびマージナル化演算子に関する最小限の公理を同定すること。
• 連関確率分布と連関信念関数の両方が公理を満たすことを示し、共通の計算手法の可能性を示すこと。
• マージナルを冗長な計算を避けながら効率的に計算できるハイパーツリー上の伝搬スキームを形式化すること。
• 異なる不確実性モデルにわたる局所的計算技術の拡張のための理論的基盤を提供すること。

提案手法

• 変数と評価を原始的対象として定義し、結合とマージナル化をコアな演算子とする。
• 結合およびマージナル化の振る舞いを規定する3つの公理（結合則、可換則、分配則）を導入する。
• これらの公理が成り立つ限り、ハイパーツリー上の伝搬アルゴリズムによって局所的マージナル計算が可能であることを証明する。
• ハイパーツリー構造における評価の要因分解を構築し、分散的かつモジュラーな計算を可能にする。
• ベイジアンネットワーク（連関確率分布を介して）およびデムプスター＝シャーマー信念関数の両方にこの枠組みを適用する。
• この枠組みを用いて、両モデルに一様に適用可能な一般化された伝搬アルゴリズムを導出する。

実験結果

リサーチクエスチョン

• RQ1 不確実性伝搬における局所的マージナル計算が可能であるための公理的条件は何か？
• RQ2 結合およびマージナル化演算子をどのように形式的に定義すれば、ベイズ的および信念関数的推論を両立できるか？
• RQ3 連関確率分布と連関信念関数が同一の公理的枠組みを満たす方法は何か？
• RQ4 公理のもとで効率的かつ正確な伝搬を実現するための構造的要件（例：ハイパーツリー）は何か？
• RQ5 1つの計算枠組みが、ベイジアンモデルと信念関数モデルの両方の伝搬を統一できるか？

主な発見

• 結合およびマージナル化演算子における3つの公理（結合則、可換則、分配則）が、マージナルの局所的計算を保証するのに十分である。
• ハイパーツリー上の伝搬アルゴリズムにより、重複する演算を避けながら正確なマージナル計算が可能となり、公理的構造を活用する。
• 連関確率分布は公理を満たしており、この枠組みがベイジアンネットワークへの適用可能性を裏付けている。
• 連関信念関数も公理を満たしており、この枠組みが証拠に基づく推論への一般性を確認している。
• この枠組みは、ベイジアンおよび信念関数的伝搬の統一的基盤を提供し、共通のアルゴリズム設計を可能にする。
• 結果は、従来のジョイントリーに関する研究を一般化し、局所的計算の適用範囲を非確率的不確実性モデルへ拡張する。