-
exploiting symmetries for scaling loopy belief propagation and relational training
جزئیات بیشتر مقاله- تاریخ ارائه: 1392/07/24
- تاریخ انتشار در تی پی بین: 1392/07/24
- تعداد بازدید: 1033
- تعداد پرسش و پاسخ ها: 0
- شماره تماس دبیرخانه رویداد: -
judging by the increasing impact of machine learning on large-scale data analysis in the last decade, one can anticipate a substantial growth in diversity of the machine learning applications for “big data” over the next decade. this exciting new opportunity, however, also raises many challenges. one of them is scaling inference within and training of graphical models. typical ways to address this scaling issue are inference by approximate message passing, stochastic gradients, and mapreduce, among others. often, we encounter inference and training problems with symmetries and redundancies in the graph structure. a prominent example are relational models that capture complexity. exploiting these symmetries, however, has not been considered for scaling yet. in this paper, we show that inference and training can indeed benefit from exploiting symmetries. specifically, we show that (loopy) belief propagation (bp) can be lifted. that is, a model is compressed by grouping nodes together that send and receive identical messages so that a modified bp running on the lifted graph yields the same marginals as bp on the original one, but often in a fraction of time. by establishing a link between lifting and radix sort, we show that lifting is mapreduce-able. still, in many if not most situations training relational models will not benefit from this (scalable) lifting: symmetries within models easily break since variables become correlated by virtue of depending asymmetrically on evidence. an appealing idea for such situations is to train and recombine local models. this breaks long-range dependencies and allows to exploit lifting within and across the local training tasks. moreover, it naturally paves the way for the first scalable lifted training approaches based on stochastic gradients, both in an online and a mapreduced fashion. on several datasets, the online training, for instance, converges to the same quality solution over an order of magnitude faster, simply because it starts optimizing long before having seen the entire mega-example even once.
مقالات جدیدترین رویدادها
-
استفاده از تحلیل اهمیت-عملکرد در ارائه الگوی مدیریت خلاقیت سازمانی و ارائه راهکار جهت بهبود
-
بررسی تاثیر ارزش وجوه نقد مازاد بر ساختار سرمایه شرکت های پذیرفته شده در بورس اوراق بهادار تهران
-
بررسی تأثیر سطح افشای ریسک بر قرارداد بدهی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
-
بررسی تأثیر رتبه بندی اعتباری مبتنی بر مدل امتیاز بازار نوظهور بر نقد شوندگی سهام با تأکید بر خصوصی سازی شرکت ها
-
تأثیر آمیخته بازاریابی پوشاک ایرانی بر تصویر ذهنی مشتری پوشاک ایرانی (هاکوپیان)
-
بررسی امنیت و نقش پول الکترونیکی در اقتصاد ایران
-
بررسی خواص رئولوژیکی بتن خودتراکم حاوی مواد بازیافتی pet و pvc
-
بررسی رفتار مکانیکی ستون های سنگی معمولی و مسلح شده با ژئوسینتتیک (مطالعه موردی:پی مخازن گازی پارس جنوبی)
-
بررسی سازگاری زناشویی و شادکامی در ازدواج های سنتی و غیرسنتی
-
spectral analysis of random wave uplift force on a horizontal deck
مقالات جدیدترین ژورنال ها
-
مدیریت و بررسی افسردگی دانش آموزان دختر مقطع متوسطه دوم در دروان کرونا در شهرستان دزفول
-
مدیریت و بررسی خرد سیاسی در اندیشه ی فردوسی در ادب ایران
-
واکاوی و مدیریت توصیفی قلمدان(جاکلیدی)ضریح در موزه آستان قدس رضوی
-
بررسی تاثیر خلاقیت، دانش و انگیزه کارکنان بر پیشنهادات نوآورانه کارکنان ( مورد مطالعه: هتل های 3 و 4 ستاره استان کرمان)
-
بررسی تاثیر کیفیت سیستم های اطلاعاتی بر تصمیم گیری موفق در شرکتهای تولیدی استان اصفهان (مورد مطالعه: مدیران شرکتهای تولیدی استان اصفهان)
-
تاثیر ابعاد کیفیت اپلیکیشن های موبایل بر رضایت و وفاداری کاربران
-
روند خاص پولدار شدن و کسب درآمد حرفه ای
-
بررسی رابطه توزیع درامد با وضعیت بهره مندی از آموزش عالی شهروندان استان اردبیل
-
بررسی عوامل موثر در سیاست راهبردی برون سپاری خدمات دولتی بر اساس مدل کرمیک (مطالعه موردی: سازمان ثبت اسناد و املاک کشور)
-
green envelop impact on reducing air temperature and enhancing outdoor thermal comfort in arid climates
سوال خود را در مورد این مقاله مطرح نمایید :