그래픽 모델, 지수 가족, 그리고 변분 추론

확률적 그래픽 모델의 형식론은 확률 변수 간의 복잡한 의존성을 포착하고 대규모 다변량 통계 모델을 구축하기 위한 통합적 틀을 제공합니다. 그래픽 모델은 생물정보학, 통신 이론, 통계 물리학, 조합 최적화, 신호 및 영상 처리, 정보 검색, 통계적 기계 학습 등 많은 통계적, 계산적, 수학적 분야에서 연구의 중심이 되었습니다. 주변 확률과 최빈값 계산 같은 특정 문제들은 일반적 설정에서 가장 잘 연구될 수 있습니다. 지수 가족 표현을 사용하고, 지수 가족의 누적 함수와 엔트로피 사이의 켤레 쌍대성을 활용하여, 우도, 주변 확률, 가장 가능성 높은 구성 계산 문제에 대한 일반적인 변분 표현을 개발했습니다. 합산-곱, 클러스터 변분 방법, 기대 전파, 평균 장(field) 방법, 최대 곱 및 선형 계획 완화, 그리고 콘 프로그래밍 완화 등 다양한 알고리즘이 이 변분 표현의 정확하거나 근사적인 형태로 이해될 수 있음을 설명합니다. 변분 접근법은 대규모 통계 모델의 추론을 위한 근사 방법의 일반적인 원천으로서 마르코프 연쇄 몬테카를로(Markov chain Monte Carlo)에 대한 상호 보완적 대안을 제공합니다.