(An) efficnet inference for sigmoid belief networks by reducing sampling space

Abstract

신념망(belief networks)은 전문가에 의해 표현된 지식을 바탕으로 불확실한 현상에 대한 예측 그리고 주어진 정보에 의한 결정 통제등을 망구조상의 추론을 통하여 행할 수 있는 다양한 특성을 가지고 있다. 이러한 신념망에 자동학습의 특성을 추가한 모델이 시그모이드(sigmoid) 신념망이다. 본 논문에서는 샘플링 공간의 축소를 통한 시그모이드 신념망에서의 효율적인 추론방법을 제안한다. Shachter(1988)가 제안한 조건 확률의 독립성을 이용한 망구조의 축소를 시그모이드 신념망의 노드축소로 확장하여 추론의 공간을 축소한다. 축소된 추론 공간으로부터 깁스 샘플링을 사용하여 추론 시간을 줄인다. 따라서 주어진 시간 안에 좀 더 정확한 추론 값을 구할 수 있다. 제안된 효율적인 추론방법으로 시그모이드 신념망의 실제적인 사용이 가능하다. 노드 813개의 시그모이드 신념망에서의 추론 공간의 축소를 통한 추론의 효율성을 검증하였다. 각각 30회의 독립적인 추론을 축소하지 않은 망구조와 축소된 망구조에서 행하여 그 값들의 분산을 검사함으로써 값의 정확도의 향상을 확인하였다.