离散哈密顿蒙特卡罗的连续松弛

的一部分神经信息处理系统进展25（NIPS 2012）

作者

Yichuan Zhang、Zoubin Ghahramani、Amos J.Storkey、Charles Sutton

摘要

连续松弛在离散优化中起着重要作用，但在近似概率推理中没有太多用途。在这里，我们证明了高斯积分技巧的一般形式使得将一类广泛的离散变量无向模型转换为完全连续系统成为可能。连续表示允许使用基于梯度的Hamilton Monte Carlo进行推理，产生了估计归一化常数（配分函数）的新方法，并且通常为困难的离散系统中的推理开辟了许多新途径。我们在一些说明性问题上演示了其中一些连续松弛推理算法。