[論文レビュー] exttt{BayesBreak}: Generalized Hierarchical Bayesian Segmentation with Irregular Designs, Multi-Sample Hierarchies, and Grouped/Latent-Group Designs

Omid Shams Solari|arXiv (Cornell University)|Mar 16, 2026

Gaussian Processes and Bayesian Inference被引用数 0

ひとこと要約

BayesBreakは、指数族ブロックインターフェースと動的計画法を用いた厳密なオフラインベイズセグメンテーションを提供します。設計認識的事前分布、マルチシーケンスプーリング、潜在グループテンプレート、およびスケーラブルな非共役拡張を含みます。

ABSTRACT

Bayesian change-point and segmentation models provide uncertainty-aware piecewise-constant representations of ordered data, but exact inference is often tied to narrow likelihood classes, single-sequence settings, or index-uniform designs. We present \texttt{BayesBreak}, a modular offline Bayesian segmentation framework built around a simple separation: each candidate block contributes a marginal likelihood and any required moment numerators, and a global dynamic program combines those block scores into posterior quantities over segment counts, boundary locations, and latent signals. For weighted exponential-family likelihoods with conjugate priors, block evidences and posterior moments are available in closed form from cumulative sufficient statistics, yielding exact sum-product inference for $P(y\mid k)$, $P(k\mid y)$, boundary marginals, and Bayes regression curves. We also distinguish these quantities from the \emph{joint} MAP segmentation, which is recovered by a separate max-sum backtracking recursion.

研究の動機と目的

• irregular designs と複数の関連シーケンス全体で不確実性を意識した区分の必要性を動機づける。
• ブロック証拠が閉形式である場合に正確な事後量を動的計画法で得ることができるモジュラーなブロックベースのインターフェースを提案する。
• 不規則な間隔、境界を共有する複製、既知のグループ所属、潜在グループテンプレートを含むセグメンテーションフレームワークを拡張する。
• 新しいデータセットの事後予測スコアリングのための非共役ブロックと予測層に関するガイダンスを提供する。

提案手法

• 各候補ブロックが周辺尤度 A(0) とモーメント分子 A(r) を持つ再利用可能な指数族ブロックインターフェースを導入する。
• ブロック証拠について前向き/後向きの動的計画法を用いて p(y|k)、p(k|y)、境界周辺、Bayes回帰曲線の厳密なオフライン事後を計算する。
• 区間長要因 g(Δx) を用いて設計認識的な分割事前分布を組み込み、ブロック証拠に乗算し Ck で正規化する。
• 共有境界を含む複製間のプールド証拠や既知グループ・潜在グループテンプレート混合を EM 更新でサポートする。
• 安定性保証と新しいデータセットの事後予測スコアリングのための予測層を備え、非共役ブロックに対する近似法（ラプラス、変分、EP、Pólya–Gamma）を提供する。

実験結果

リサーチクエスチョン

• RQ1 不規則設計で閉形式のブロック証拠を用いた厳密なオフラインベイズセグメンテーションをどのように実現するか。
• RQ2 設計認識的な分割事前分布はブロック間の不規則な間隔の存在下でセグメンテーションにどのように影響するか。
• RQ3 再現とグループを横断して潜在グループを含む情報を coherently プールし、推論を保つことができるか。
• RQ4 BayesBreak 動的計画法フレームワーク内での非共役ブロックモデルの含意と方法は何か。
• RQ5 エクスポートされたセグメンテーションや Bayes 曲線の下で新しいシーケンスに対して有用な事後予測スコアを生成するにはどうするか。

主な発見

• モジュラーなブロック証拠インターフェースにより標準的な共役指数族ブロックの正確な和-積DPを実現できる。
• 設計認識的な区分長の事前分布により、分割レベルで不規則な間隔を組み込むことができ、尤度を重み付けせずに済む。
• 本フレームワークは、共有境界を持つ複製間での証拠のプールと、既知・潜在グループ構造のいずれにも対応可能で、厳密なDPまたはEM更新を介して実現する。
• 非共役ブロックは決定論的近似（ラプラス、変分、EP、Pólya–Gamma）で扱うことができ、近似誤差の伝播を定量化する。
• 予測層により、エクスポートされたセグメンテーションや Bayes 曲線の下で新しいシーケンスの事後予測スコアを有効に算出できる。