Wykazano, że propagacja przekonań jest bardzo skuteczną metodą dzięki badaniom w probabilistycznych modelach graficznych.
Jednak nie wiem nic o BP, które byłoby porównywalne z metodami MCMC, w których możemy mieć w pełni wielomianowe losowe schematy aproksymacji (FPRAS) dla problemów z # P-zupełnością.
Czy ktoś mógłby wskazać mi jakieś odniesienia?
cc.complexity-theory
reference-request
graph-algorithms
machine-learning
st.statistics
Tianyang Li
źródło
źródło
Odpowiedzi:
Udowodniono, że BP i większość jego wariantów zbiegają się na wykresach bez cykli. Kiedy masz cykle, czasami wykazują bardzo dziwne zachowanie. W tych przypadkach ludzie próbowali różnych schematów przybliżenia, na przykład Sherali-Adams, Lov? Asz-Schrijver i Lasserre Hierarchies.
Wyczerpujący przegląd tych przybliżeń znajduje się w [1]. Również (Wainwright i Jordan, 2008) obejmuje inną klasę przybliżeń.
[1] http://cs.nyu.edu/~dsontag/papers/sontag_phd_thesis.pdf
źródło
Oto artykuł, w którym autorzy wykorzystali BP do uzyskania w pełni wielomianowego losowego schematu aproksymacji dla problemu pojemnościowego minimalnego kosztu przepływu sieci.
źródło