的一部分神经信息处理系统进展31(NeurIPS 2018)
Xun Zheng、Bryon Aragam、Pradeep K.Ravikumar、Eric P.Xing
由于有向非循环图(DAG,也称为贝叶斯网络)的搜索空间是组合的,并且随着节点数超指数扩展,因此估计DAG的结构是一个具有挑战性的问题。现有的方法依赖于各种局部启发式来强制非循环约束。在本文中,我们引入了一种根本不同的策略:我们将结构学习问题表述为实矩阵上的一个纯连续优化问题,从而完全避免了这种组合约束。这是通过一种新的非循环性表征来实现的,这种表征不仅是平滑的,而且是精确的。由此产生的问题可以用标准的数值算法有效地解决,这也使得实现变得容易。该方法的性能优于现有方法,并且没有对图施加任何结构假设,如有界树宽或度。
在电子程序中更改姓名的请求将被接受,不会提出任何问题。然而,名称更改可能会导致书目跟踪问题。作者被要求仔细考虑这一点,并在要求在电子诉讼中更改姓名之前与合著者进行讨论。
使用“报告问题”链接请求更改名称。