无团队DAG：结构学习的连续优化

的一部分神经信息处理系统进展31（NeurIPS 2018）

作者

Xun Zheng、Bryon Aragam、Pradeep K.Ravikumar、Eric P.Xing

摘要

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。