概率图模型课堂笔记:2.3 MAP
一、MAP消息传递
1.1 最大和消息传递
1.把$\phi$做log之后,原本的相乘变成求和。而Factor的和与积的计算步骤一样,指数最后的相乘变成相加。
2.原本的求和变成求Max。
(1)$\max_A\phi(A,B)$是一个$B$的函数,也就是$B$取不同值的时候,$A$取什么值函数获得最大值。这和$\sum_A\phi(A,B)$是一个理解方式。
(2)Factor的求Max和原先的Marginalization一样,只是累加变成了求最大值
3.团树中的最大和
(1)整个过程和边缘化的消息传递一样,相乘变求和,求和变求最大
(2)对比理解消息传递过程。边缘化中的消息是指自变量的不同取值的边缘概率:最大和中的消息是指自变量的不同取值时,“先继变量”怎样取值才能使得概率最大。根据来说,叶子节点并不关心也不知道后继变量的情况。
考虑一个例子:AB-BC-CD。AB向BC传递的是A的最佳取值,CD向BC传递的是D的最佳取值。A和D的最佳取值是独立选择的。
(3)顶点信念在这里可以理解为:针对顶点本身包含变量的每一个取值,其他变量在最佳取值时能获得的log概率。
1.2 寻找最大概率时的变量取值
1. 对于结果唯一的情况,比较简单,每个clieque都取最大值的那个就可以。
2. 对于结果不唯一的情况,有两种方法:(1)调整问题,使得结果唯一 (2)对clique进行扫描,获得取值匹配