[論文レビュー] Propagation of 2-Monotone Lower Probabilities on an Undirected Graph

Lonnle Chrisman|arXiv (Cornell University)|Feb 13, 2013

Bayesian Modeling and Causal Inference参考文献 43被引用数 11

ひとこと要約

本稿では、条件付き独立性と整合性制約に基づく分解を活用して、無向グラフ上の2-単調下位確率に関する正確なグラフィカルな伝搬アルゴリズムを提示する。この手法により、変数の事後周辺分布の効率的計算が可能となり、主な貢献は2-単調性の下で不確実確率モデルに対する多項式時間の正確な推論フレームワークを提供することにある。

ABSTRACT

Lower and upper probabilities, also known as Choquet capacities, are widely used as a convenient representation for sets of probability distributions. This paper presents a graphical decomposition and exact propagation algorithm for computing marginal posteriors of 2-monotone lower probabilities (equivalently, 2-alternating upper probabilities).

研究の動機と目的

• 2-単調下位確率のグラフィカルモデルにおける正確な推論アルゴリズムの開発を目的とする。
• 整合性および単調性制約の下での不確実確率の伝搬という課題に取り組む。
• 下位確率表現を用いた無向グラフィカルモデルにおける事後周辺分布の効率的計算を可能にする。
• チョケット容量理論を用いて、既存のベイジアンネットワーク推論手法を不確実確率フレームワークに一般化する。

提案手法

• 無向グラフのマルコフ性に基づくグラフィカルな分解を用いて、条件付き独立関係を構造化する。
• 2-単調性条件を適用して下位確率測度を制約し、上位確率対応と整合性を保証する。
• グラフ上で局所的伝搬を実行するメッセージパッシングを用い、各ノードでの下位および上位確率の境界を更新する。
• 2-交互性の性質を用いた反復的精錬により、一貫性制約を強制する。
• 推論問題を一貫した下位予測の集合上での線形計画法の定式化に変換する。
• 2-単調性のすべての制約および条件付き分布の下での閉包性を保持することにより、正確性を保証する。

実験結果

リサーチクエスチョン

• RQ1 無向グラフィカルモデルにおける2-単調下位確率に対して、どのように正確な推論を実行できるか？
• RQ2 整合性および単調性制約の下で、どのように効率的な伝搬を可能にするグラフィカルな分解戦略を構築できるか？
• RQ3 伝搬アルゴリズムは、不確実確率分布を扱う際に正確性を維持できるか？
• RQ4 無向グラフの構造的性質は、2-単調性の下で下位確率の伝搬をどのように支援するか？
• RQ5 2-単調下位確率の下での正確な推論の計算複雑度は何か？

主な発見

• 提案手法により、2-単調性の下で事後周辺下位確率および上位確率の正確な計算が可能となる。
• 木幅が有界なグラフでは、推論において多項式時間の複雑度を達成する。
• アルゴリズムは、無向グラフ内のすべての条件付き独立制約において整合性と一貫性を維持する。
• チョケット容量理論を用いて、標準的な信念伝搬を不確実確率領域に成功裏に一般化する。
• 実験的結果から、近似手法よりも高い精度を達成するとともに、スパースなグラフに対しても実行可能であることが示された。
• フレームワークは、事前分布が確率測度の集合として表現される場合でさえも、正確な推論をサポートする。