因式

因子:通过强制定义因子图的概率规划。经过区分训练的无向图模型在经验上取得了广泛的成功,人们对简化其在复杂关系数据中的应用的工具包越来越感兴趣。关系模型的优势在于其重复的结构和绑定的参数;问题在于如何以一种强大而灵活的方式定义这些结构。我们主张使用命令式语言来表达模型结构、推理和学习的各个方面,而不是使用声明性语言,如SQL或一阶逻辑。通过将因子图的传统的、声明的、统计的语义与它们的构造和操作的强制性定义相结合,我们允许用户混合声明性和过程性领域知识,并获得显著的效率。我们已经在一个我们称之为factore的系统中实现了这种强制性定义的因子图,factore是面向对象、强类型、函数式语言的软件库。在联合分割和共指方面与马尔可夫逻辑网络的实验比较中,我们发现我们的方法速度快3-15倍,同时误差减少20-25%,达到了一个新的水平。


zbMATH参考文献(13篇文章引用)

显示结果1到13,共13个。
按年份排序(引用)

  1. Dylus,Sandra;Christiansen,Jan;Teegen,Finn:使用非严格非确定性实现概率规划库(2020)
  2. Lüdtke,Stefan;Kirste,Thomas:多集重写系统中的提升贝叶斯滤波(2020)
  3. Sandra Dylus,Jan Christiansen,Finn Teegen:使用非严格非确定性实现概率规划库(2019)阿尔十四
  4. Bach,Stephen H.;Broecheler,Matthias;Huang,Bert;Getoor,Lise:铰链损失马尔可夫随机场与概率软逻辑(2017)
  5. Huang,Daniel;Morrisett,Greg:可计算分布在概率编程语言语义中的应用(2016)
  6. Kimmig,Angelika;Mihalkova,Lilyana;Getoor,Lise:提升图形模型:调查(2015)
  7. Michels,Steffen;Hommersom,Arjen;Lucas,Peter J.F.;Velikova,Marina:基于广义分布语义的新概率约束逻辑编程语言(2015)
  8. Frasconi,Paolo;Costa,Fabrizio;De Raedt,Luc;De Grave,Kurt:kLog:a language for logical and relational learning with kernels(2014年)
  9. Borgström,Johannes;Gordon,Andrew D;Greenberg,Michael;Margetson,James;Van Gael,Jurgen:用于贝叶斯机器学习的度量变换器语义(2013)
  10. Gordon,Andrew D.;Aizatulin,Mihhail;Borgstrom,Johannes;Claret,Guillaume;Graepel,Thore;Nori,Aditya V.;Rajamani,Sriram K.;Russo,Claudio:贝叶斯推理的模型学习者模式(2013)
  11. Borgström,Johannes;Gordon,Andrew D;Greenberg,Michael;Margetson,James;Van Gael,Jurgen:用于贝叶斯机器学习的度量变换器语义(2011)
  12. Kolomiyets,Oleksandr;Moens,Marie Francine:从信息检索角度对问答技术的调查(2011)ioport公司
  13. Charles Sutton;Andrew McCallum:conditional random fields简介(2011)