图上再加权随机动力学的矩阵积信念传播模型

意大利都灵理工大学的Stefano Crotti与Alfredo Braunstein提出了图上再加权随机动力学的矩阵积信念传播模型。相关研究11月14日发表于美国《国家科学院院刊》。

研究人员在矩阵积腔方法的基础上,进行了两个方向的基本扩展。首先,研究人员展示了如何将该方法应用于由任意再加权因子偏置的马尔可夫过程,这些因子能够有效地将大部分概率质量集中在罕见事件上。其次,他们提出了一种高效的方案,将单个节点更新的计算成本从节点度的指数级降低到了多项式级,从而显著提高了计算效率。在研究过程中,他们考虑了两种应用场景:一种是根据SIRS流行病模型中的稀疏观测数据推断感染概率;另一种是计算几个动力学伊辛模型的典型观测值和大偏差。

据悉,图上的随机过程能够描述许多现象,从神经活动到流行病的传播。尽管现有许多方法能精确描述这些过程的典型实现,但计算极端罕见事件的属性仍然是一项巨大挑战,尤其在循环模型中,变量可能会返回到先前状态。

相关论文信息:

https://doi.org/10.1073/pnas.2307935120