Recursive computing and simulation-free inference for general factorizable models
一般可分解模型的递归计算与免模拟推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：规则格点的马尔可夫随机场不等同于经济网络或干扰模型，摘要缺乏相应分类依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
一般可分解模型的递归计算与免模拟推断
- 研究问题
- 如何扩展一般可分解模型的递归算法，以实现精确抽样、分布最大化和边际分布计算，并处理更大的离散格点模型？
- 方法与思路
- 作者扩展已有递归算法，针对规则格点上的近邻离散马尔可夫随机场进行计算，并为更大格点提出无需 MCMC 的近似推断。
- 材料陈述的贡献
- 摘要称中等规模格点上的隐自逻辑斯蒂模型可实现精确推断，较大格点可作免模拟近似推断，为自动推断提供基础。
- 阅读关注点
- 应核对模型分解与近邻结构的要求、精确算法的时间和内存成本，以及大格点近似误差、适用规模和自动化程度。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；中等与较大格点的具体规模、近似误差及计算表现未说明，不能推断刊本变化。
原文摘要
We illustrate how the recursive algorithm of Reeves & Pettitt (2004) for general factorizable models can be extended to allow exact sampling, maximization of distributions and computation of marginal distributions. All of the methods we describe apply to discrete-valued Markov random fields with nearest neighbour integrations defined on regular lattices; in particular we illustrate that exact inference can be performed for hidden autologistic models defined on moderately sized lattices. In this context we offer an extension of this methodology which allows approximate inference to be carried out for larger lattices without resorting to simulation techniques such as Markov chain Monte Carlo. In particular our work offers the basis for an automatic inference machine for such models.