[論文レビュー] Using ROBDDs for Inference in Bayesian Networks with Troubleshooting as an Example

Thomas D. Nielsen, Pierre-Henri Wuillemin+2 more|VBN Forskningsportal (Aalborg Universitet)|Jan 16, 2013

Bayesian Modeling and Causal Inference参考文献 8被引用数 19

ひとこと要約

本稿では、トラブルシューティングを事例として、決定論的部品を有するベイジアンネットワークにおける推論を高速化するために、縮小順序付きブール意思決定図（ROBDDs）の使用を提案する。決定論的部品をブール関数として符号化し、ROBDDsを用いて満たす割り当ての数を数えることで、従来のジュンクションツリー法と比較して最大100倍の高速化を達成した。特に、大規模で大部分が決定論的なネットワークにおいて顕著な性能向上が得られた。

ABSTRACT

When using Bayesian networks for modelling the behavior of man-made machinery, it usually happens that a large part of the model is deterministic. For such Bayesian networks deterministic part of the model can be represented as a Boolean function, and a central part of belief updating reduces to the task of calculating the number of satisfying configurations in a Boolean function. In this paper we explore how advances in the calculation of Boolean functions can be adopted for belief updating, in particular within the context of troubleshooting. We present experimental results indicating a substantial speed-up compared to traditional junction tree propagation.

研究の動機と目的

• 大規模な決定論的部品を有するベイジアンネットワークにおける従来の推論アルゴリズムの非効率性に対処すること。
• ROBDDsが決定論的ネットワーク構造の背後にあるブール関数を効率的に表現・クエリ可能かどうかを調査すること。
• 実世界のトラブルシューティングシナリオにおけるROBDDベースの推論のパフォーマンスを評価すること。
• 速度およびスケーラビリティの観点から、ROBDDベースの推論と標準的なジュンクションツリー伝搬法を比較すること。

提案手法

• ベイジアンネットワークの決定論的部分をブール関数として表現する。
• ROBDDsを用いてブール関数をコンパクトに符号化し、効率的な操作を可能にする。
• ROBDD表現における満たす真理値割り当ての数を数えることで、信念更新を実行する。
• モデルの確率を効率的に計算するために、ROBDDツールに既存の最適化を活用する。
• ROBDDベースの推論を、完全なベイジアンネットワーク推論パイプラインに統合する。
• トラブルシューティングドメインにおいて、標準的なジュンクションツリー法と性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 ROBDDsは、トラブルシューティングに用いられるベイジアンネットワークの決定論的部品を効果的に表現できるか？
• RQ2 ROBDDベースの推論は、実行時間の観点から従来のジュンクションツリー伝搬法を上回るか？
• RQ3 ネットワークのサイズおよび複雑さの増加に伴い、ROBDDのパフォーマンスはどのようにスケーリングするか？
• RQ4 決定論的要因が、ROBDDベースの推論の効率性にどのような影響を与えるか？
• RQ5 どのような状況でROBDDベースの推論が最も顕著な高速化を実現するか？

主な発見

• ROBDDベースの推論は、大規模で大部分が決定論的なベイジアンネットワークにおいて、ジュンクションツリー伝搬法と比較して最大100倍の高速化を達成した。
• 決定論的要因の割合が高いネットワークにおいて、ROBDDはジュンクションツリー法が複雑性の指数関数的増加に苦しむ状況でも優れたスケーラビリティを示した。
• ROBDDsは、決定論的関係を表すブール関数を効率的に圧縮し、メモリおよび計算のオーバーヘッドを低減した。
• 決定論的条件付き確率テーブルが多数存在するネットワークにおいて、性能向上が最も顕著に現れた。
• 特に実世界のトラブルシューティング応用において、推論時間を大幅に短縮しながらも、正確性を維持した。