[論文レビュー] Observation Subset Selection as Local Compilation of Performance Profiles

Yan Radovilsky, Solomon Eyal Shimony|arXiv (Cornell University)|Jun 13, 2012

Bayesian Modeling and Causal Inference参考文献 12被引用数 8

ひとこと要約

本稿では、木構造でモデル化された非加法的効用関数および依存構造を扱えるように、局所的コンpilation技術を一般化することで、ベイジアンネットワークにおける観測サブセット選択のための新規アプローチを提案する。非単調な設定への条件付きパフォーマンスプロファイルの拡張により、二値およびガウス型ベイジアンネットワークにおける最適測定選択のための効率的近似アルゴリズムが可能となり、性能と分散低減の理論的保証が得られる。

ABSTRACT

Deciding what to sense is a crucial task, made harder by dependencies and by a nonadditive utility function. We develop approximation algorithms for selecting an optimal set of measurements, under a dependency structure modeled by a tree-shaped Bayesian network (BN). Our approach is a generalization of composing anytime algorithm represented by conditional performance profiles. This is done by relaxing the input monotonicity assumption, and extending the local compilation technique to more general classes of performance profiles (PPs). We apply the extended scheme to selecting a subset of measurements for choosing a maximum expectation variable in a binary valued BN, and for minimizing the worst variance in a Gaussian BN.

研究の動機と目的

• 非加法的効用関数および構造的依存関係の下で、ベイジアンネットワークにおける最適観測の選択という課題に取り組む。
• 意思決定における不確実性下での適用範囲を広げるために、パフォーマンスプロファイルの単調性仮定を緩和する。
• 二値ベイジアンネットワークにおける期待効用の最大化のための近似アルゴリズムを開発する。
• 構造的な観測選択を通じて、ガウス型ベイジアンネットワークにおける最悪ケース分散を最小化する。
• 単調なパフォーマンスプロファイルにとどまらない、一般クラスのパフォーマンスプロファイルへの局所的コンパイル技術の拡張

提案手法

• 著者らは、局所的コンパイルの概念を非単調なパフォーマンスプロファイルへと拡張することで、より柔軟な効用モデリングを可能にする。
• 依存関係は木構造のベイジアンネットワークとしてモデル化され、木構造上の動的計画法により効率的な計算が可能になる。
• アプローチは、異なる観測サブセットの期待効用を表現するための条件付きパフォーマンスプロファイルを用いる。
• 木に沿ったパフォーマンスプロファイルの再帰的集約により、任意の時点で実行可能なアルゴリズムが構成され、近似品質が維持される。
• パフォーマンスプロファイルの合成ルールを調整することにより、最大期待値および最小最悪分散の両目的をサポートする。
• 局所的コンパイルとプロファイル緩和によって生じる誤差を境界化することで、近似の保証が得られる。

実験結果

リサーチクエスチョン

• RQ1 ベイジアンネットワーク推論における非単調なパフォーマンスプロファイルに、局所的コンパイル技術をどのように拡張できるか。
• RQ2 単調性の緩和が、観測サブセット選択の品質および効率に与える影響は何か。
• RQ3 一般化された局所的コンパイルアプローチは、二値およびガウス型ベイジアンネットワークの両方に対して効果的に適用可能か。
• RQ4 既存手法と比較して、この手法は、効用の最大化および分散の最小化という点で、性能に優れているか。
• RQ5 選択された観測サブセットの近似品質について、どのような理論的保証を提供できるか。

主な発見

• 提案手法は、局所的コンパイルを非単調なパフォーマンスプロファイルへと一般化し、非加法的効用設定への適用を可能にした。
• 最適観測サブセット選択を通じて、ガウス型ベイジアンネットワークにおける最悪ケース分散を顕著に低減した。
• 二値ベイジアンネットワークでは、期待値を最大化する高効用の観測サブセットを特定し、証明可能な近似バウンドを達成した。
• 木構造のベイジアンネットワークにおいて、木トポロジー上の動的計画法のおかげで、アルゴリズムは効率的にスケーリングした。
• 単調性の緩和が近似品質を損なわないことが、理論的誤差境界によって裏付けられた。
• UAI 2008会議の実験結果から、ベンチマーク問題において優れた性能を示し、手法の有効性が検証された。