2018 NeurIPS 论文解读: From Stochastic Planning to Marginal MAP 大讲堂 | 第128期
本文介绍了一种新颖的思路,将贝叶斯推断的迭代过程表达为一个可导方程,从而通过梯度下降方法快速求解推断的结果
开课时间:2019/03/12 10:00 预计时长:一个小时左右
课程回放
227人报名
观看回放
课程介绍

分享主题

2018 NeurIPS 论文解读: From Stochastic Planning to Marginal MAP

 

分享背景

Marginal MAP (MMAP) 是一类贝叶斯推断的问题。与常见的Sum Inference和MAP Inference不同,这类问题对应的概率图模型引入了Hidden Variable (Sum Variable),使得模型更为灵活,能够解决更多的是实际问题。MMAP问题的复杂度为NP^{PP}-Complete,因此能够解决的问题规模通常很小。本文介绍了一种新颖的思路,将贝叶斯推断的迭代过程表达为一个可导方程,从而通过梯度下降方法快速求解推断的结果。这一方法在UAI Challenge的标杆问题中超过了现有最好的算法,并大大提升了可以有效解决的问题规模。

 

分享嘉宾

崔皓,美国塔弗茨大学博士,即将加入谷歌。研究领域为智能体动作规划,强化学习,概率图模型,贝叶斯变分推断,专注于解决超大规模的决策问题。曾在AAAI, IJCAI, NeurIPS (NIPS), ICAPS等顶级会议发表多篇论文。曾经获得International Computer Game Championship六子棋项目冠军,International Planning Competition亚军。

 

分享提纲

1、MMAP问题的定义和应用

2、已有的MMAP算法及分析

3、将MMAP问题转化为MEU问题的Reduction

4、算法过程和实验结果分析

 

分享时间

(北京时间 )  3月 12 日(星期二)  10:00 am

 

附:公开课小组微信交流群

课程须知
  • 本次公开课将于03月12日周二早10点准时开始,请大家提前10分钟进入直播间
  • 公开课后两天内会上传回放视频,错过直播的同学也不要担心
  • 欢迎大家多多向嘉宾提问,问题被采纳者有机会获得神秘礼品

授课教师

美国塔弗茨大学博士,即将加入谷歌。曾获International Computer Game Championship六子棋项目冠军,International Planning Competition亚军
微信扫码分享课程
投递简历

扫描求职百题斩小程序
助求职者一壁之力

微信扫码助力

如果您对这家企业感兴趣,想要加入一同谋事,可上传您的简历。
投递简历