$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

빅데이터를 위한 확률 관계형 학습 모델의 변분 추론 원문보기

정보과학회지 = Communications of the Korean Institute of Information Scientists and Engineers, v.32 no.7, 2014년, pp.15 - 20  

최재식 (울산과학기술대학교)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 함께 고려할 수 있는 모델이 필요하다. 본 논문에서는 빅데이터 저장소에 저장된 데이터 요소들 간의 관계 구조를 표현하고, 저장소의 사용자가 원하는 지식을 확률적인 정보를 제공해 줄 수 있는 확률 관계형 학습(Statistical Relational Learning)') 모델들을 소개하고, 이런 모델에서 확장 가능한 확률적 추론 방법에 대하여 다룬다. 나아가 확률 관계형 학습 모델에서 근사적인 추론을 효율적으로 수행하기 위한 변분추론알고리즘을 제안한다.
  • 본 논문에서는 빅데이터 저장소에서 확률 분포를 표현하는 확률 관계형 학습 모델에 대하여 소개를 하였다. 확률 관계형 학습 모델은 변수들 사이의 자기상관에 착안하여 관계형 특징을 추출하여 변수의 변화를 보다 정확하게 예측할 수 있다.
  • 따라서, 연속 변수가 포함된 확률 관계형 학습 모델에는 적용되지 않아서 비 관계형 추론법을 사용하였기 때문에 시간이 오래 걸렸다. 본 논문에서는 이산변수와 연속변수를 포함한 확률 관계형 학습 모델에 적용할 수 있는 관계형 변분 추론 근사법 [15, 3]을 소개한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (25)

  1. Baabak Ahmadi, Kristian Kersting, and Scott Sanner. Multi-evidence lifted message passing, with application to pagerank and the kalman filter. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAl), pp. 1152 - 1158, 2011. 

  2. Fahiem Bacchus. Representing and reasoning with probabilistic knowledge: a logical approach to probabilities. MIT Press, Cambridge, MA, USA, 1990. 

  3. Peter Carbonetto, Jacek Kisynski, Nando de Freitas, and David Poole. Nonparametric bayesian logic. In Proceedings of the 21st Conference in Uncertainty in Artificial Intelligence (UAl), pp. 85 - 93, 2005. 

  4. Jaesik Choi and Eyal Amir, Lifted Relational Variational Inference, In Proceedings of the Twenty-Eight Conference on Uncertainty in Artificial Intelligence (UAl), pp. 196-206, 2012. 

  5. Jaesik Choi, Eyal Amir, and David Hill. Lifted inference for relational continuous models. In Proceedings of the Twenty-Sixth Conference on Uncertainty in Artificial Intelligence (UAl), pp. 126 - 134, 2010. 

  6. Jaesik Choi, Rodrigo de Salvo Braz, and Hung H. Bui. Efficient methods for lifted inference with aggregate factors. In Proceedings of the Twenty-Fifth AAAl Conference on Artificial Intelligence (AAAI), pp. 1030-1036, 2011. 

  7. Jaesik Choi, Abner Guzman-Rivera, and Eyal Amir. Lifted relational kalman filtering. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI), pp. 2092 - 2099, 2011. 

  8. B. de Finetti. Funzione caratteristica di unfenomeno aleatorio. Mathematice e Naturale, 1931. 

  9. Rodrigo de Salvo Braz, Eyal Amir, and Dan Roth. Lifted first-order probabilistic inference. In Proceedings of the Nineteenth International Joint Conference on Artificial Intelligence (IJCAl), pp. 1319 - 1325, 2005. 

  10. P. Diaconis and D. Freedman. Finite exchangeable sequences. Annals of Probability, 8(1): 115 - 130, 1980. 

    상세보기 crossref

  11. Nir Friedman, Lise Getoor, Daphne Koller, and Avi Pfeffer. Learning probabilistic relational models. In Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence (IJCAl), pp. 1300-1309, 1999. 

  12. Lise Getoor and Ben Taskar, Introduction to Statistical Relational Learning, MlT Press, Cambridge, MA, USA, 2007. 

  13. Joseph Y. Halpern. An analysis of first-order logics of probability. Artificial Intelligence, 46(3):311-350, 1990. 

    상세보기 crossref

  14. E. Hewitt and L.J. Savage. Symmetric measures on cartesian products. Trans. Amer. Math. Soc., 80:470-501, 1955. 

    상세보기 crossref

  15. Michael I. Jordan, Zoubin Ghahramani, and Tommi Jaakkola, and Lawrence K. Saul. An introduction to variational methods for graphical models. Machine Learning, 37(2): 183-233, 1999. 

    crossref

  16. Kristian Kersting and Luc De Raedt, Bayesian Logic Programs, Technical report, Albert-Ludwigs University at Freiburg, 2001. 

  17. Andrew McCallum, Karl Schultz, and Sameer Singh. FACTORIE: Probabilistic Programming via lmperatively Defined Factor Graphs. In Advances on Neural. Information Processing Systems (NIPS), 2009. 

  18. Brian Milch, Bhaskara Marthi, Stuart J. Russell, David Sontag, Daniel L. Ong, and Andrey Kolobov. BLOG: Probabilistic models with unknown objects. In Proceedings of the Nineteenth International Joint Conference on Artificial Intelligence (IJCAl), pp. 1352-1359, 2005. 

  19. Brian Milch, Luke S. Zettlemoyer, Kristian Kersting, Michael Haimes, and Leslie Pack Kaelbling. Lifted probabilistic inference with counting formulas. In Proceedings of the Twenty-Third AAAl Conference on Artificial Intelligence (AAAl), pp. 1062-1068, 2008. 

  20. Galileo Namata, Stanley Kok, and Lise Getoor. Collective Graph Identification. ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD), 2011 

  21. Raymond Ng and V. S. Subrahmanian. Probabilistic logic programming. Information and Computation, 101(2): 150-201, 1992. 

    상세보기 crossref

  22. Avi Pfeffer, Daphne Koller, Brian Milch, and Ken T. Takusagawa. Spook: A system for probabilistic object-oriented knowledge representation. In Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence (UAI), pp. 541-550, 1999. 

  23. David Poole. First-order probabilistic inference. In Proceedings of the Eighteenth International Joint Conference on Artificial Intelligence (IJCAl), pp. 985-991, 2003. 

  24. Matthew Richardson and Pedro Domingos. Markov logic networks. Machine Learning, 62(1-2): 107-136, 2006. 

    상세보기 crossref

  25. Parag Singla and Pedro Domingos. Lifted firstorder belief propagation. In Proceedings of the Twenty-Third AAAl Conference on Artificial Intelligence (AAAI), pp. 1094-1099, 2008. 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로