Cycle-based Cluster Variational Method for Direct and Inverse Inference

Cyril Furtlehner 1 Aurélien Decelle 2, 1
1 TAO - Machine Learning and Optimisation
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
Résumé : Nous examinons en détails une façon de traiter de façon systématique pour un champ Markovien aléatoire à interactions de paires, les corrections de boucles à l'algorithme de ``propagation de croyances'', consistant à choisir pour régions externes, dans un contexte de propagation de croyances généralisées, les éléments d'une base de cycles. Le graphe de régions est spécifié de telle sorte qu'on évite les boucles de rétroactions autant que faire ce peut dans le graphe des facteurs, en écartant un certain nombre de contraintes redondantes, afin de faciliter la convergence globale tout en évitant des instabilités qui résulteraient d'une construction a minima du graphe de régions. Nous aboutissons à un algorithme de propagation de croyances a deux niveaux, celui des cycles eux-mêmes pris individuellement et celui du graphe dual où chaque nœud correspond à un cycle. Suivant cette logique, le problème inverse consistant à déterminer les paramètres de couplages du champ Markovien aléatoire à partir de covariances empiriques, factorise en une somme de problèmes inverses indépendants correspondant à chaque élément de la base de cycles. Il se trouve que ceci peut se faire efficacement, en particulier pour le problème d'Ising inverse, à l'aide d'équations de points fixes et d'optimisations de fonction de log vraisemblance à un seul paramètre. Des expériences numériques viennent conforter la pertinence de cette construction à la fois pour le problème d'inférence direct ainsi que pour le problème inverse de sélection de champ Markovien aléatoire.
Type de document :
Article dans une revue
Journal of Statistical Physics, Springer Verlag, 2016, 164 (3), pp.531-574. 〈http://link.springer.com/article/10.1007/s10955-016-1566-0〉
Liste complète des métadonnées

Littérature citée [37 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01214155
Contributeur : Cyril Furtlehner <>
Soumis le : lundi 24 octobre 2016 - 15:07:51
Dernière modification le : jeudi 5 avril 2018 - 12:30:12

Fichier

gcbp_paper.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01214155, version 2

Citation

Cyril Furtlehner, Aurélien Decelle. Cycle-based Cluster Variational Method for Direct and Inverse Inference. Journal of Statistical Physics, Springer Verlag, 2016, 164 (3), pp.531-574. 〈http://link.springer.com/article/10.1007/s10955-016-1566-0〉. 〈hal-01214155v2〉

Partager

Métriques

Consultations de la notice

341

Téléchargements de fichiers

118