为什么无法精确推断网格图中的 MRF
why is the exact inference of the MRF in the grid graph impossible
题目如题
上图中有一个 3x3 的网格图。我们可以将它转换成连接树。然后可以使用消息传递(乘积和算法)进行推理(估计 likelihood/posterior 等)。所以我想知道为什么网格图中的精确推理如此困难?
是不是格子变大了就找不到这样的连接树了?
简短的回答:对于 nxn 网格,复杂度至少是指数 n。
连接树是从 MRF 的导出图中创建的,这取决于消除顺序(首先消除哪些变量以计算边缘)。消除成本与导出图中最大团的大小成指数关系。有关详细信息,请参阅 this 论文。
因此,即使我们可以在联结树上使用精确推理,复杂度也将是所使用的消除顺序的导出图中最大团的大小的指数级。
最好的消除顺序将产生最大的团大小等于树的宽度,对于 nxn 网格是 n。但是没有找到它的有效算法。
题目如题
上图中有一个 3x3 的网格图。我们可以将它转换成连接树。然后可以使用消息传递(乘积和算法)进行推理(估计 likelihood/posterior 等)。所以我想知道为什么网格图中的精确推理如此困难?
是不是格子变大了就找不到这样的连接树了?
简短的回答:对于 nxn 网格,复杂度至少是指数 n。
连接树是从 MRF 的导出图中创建的,这取决于消除顺序(首先消除哪些变量以计算边缘)。消除成本与导出图中最大团的大小成指数关系。有关详细信息,请参阅 this 论文。
因此,即使我们可以在联结树上使用精确推理,复杂度也将是所使用的消除顺序的导出图中最大团的大小的指数级。
最好的消除顺序将产生最大的团大小等于树的宽度,对于 nxn 网格是 n。但是没有找到它的有效算法。