Transcript PPT
物理フラクチュオマティクス論
Physical Fluctuomatics
応用確率過程論
Applied Stochastic Process
第9回 確率伝搬法
9th Belief propagation
東北大学 大学院情報科学研究科 応用情報科学専攻
田中 和之(Kazuyuki Tanaka)
[email protected]
http://www.smapip.is.tohoku.ac.jp/~kazu/
物理フラクチュオマティクス論(東北大)
1
今回の講義の講義ノート
参考文献
田中和之著:確率モデルによる画像処理技術入門,
第8章,森北出版,2006.
田中和之著: ベイジアンネットワークの統計的推論の
数理, コロナ社, 2009.
物理フラクチュオマティクス論(東北大)
2
計算困難のポイントは何か
2L 通りの和が計算できるか?
x1 T, F x 2 T, F
f x1 , x2 ,, x L
a 0;
for(x1 T or F){
for(x2 T or F){
for(x L T or F){
x L T, F
a a f x1 , x2 ,, x L ;
このプログラムでは
L=10個のノードで1秒かかるとしたら
L=20個で約17分,
L=30個で約12日,
L=40個で約34年かかる.
厳密に計算するのは一部の特殊な例を
除いて難しい.
マルコフ連鎖モンテカルロ法
確率伝搬法
}
}
}
L 重ループ
前回
今回
物理フラクチュオマティクス論(東北大)
3
確率モデルと確率伝搬法
ベイジアンネットワーク
ベイズの公式
確率モデル
確率的情報処理
確率伝搬法
(Belief Propagation)
J. Pearl: Probabilistic Reasoning in Intelligent Systems:
Networks of Plausible Inference (Morgan Kaufmann, 1988).
C. Berrou and A. Glavieux: Near optimum error correcting
coding and decoding: Turbo-codes, IEEE Trans. Comm., 44
(1996).
物理フラクチュオマティクス論(東北大)
4
確率伝搬法の定式化
確率伝搬法と平均場理論の類似性の指摘
Y. Kabashima and D. Saad, Belief propagation vs. TAP for decoding
corrupted messages, Europhys. Lett. 44 (1998).
M. Opper and D. Saad (eds), Advanced Mean Field Methods
---Theory and Practice (MIT Press, 2001).
一般化された確率伝搬法の提案
S. Yedidia, W. T. Freeman and Y. Weiss: Constructing free-energy
approximations and generalized belief propagation algorithms,
IEEE Transactions on Information Theory, 51 (2005).
確率伝搬法の情報幾何的解釈
S. Ikeda, T. Tanaka and S. Amari: Stochastic reasoning, free energy,
and information geometry, Neural Computation, 16 (2004).
物理フラクチュオマティクス論(東北大)
5
統計物理学による確率伝搬法の一般化
一般化された確率伝搬法
J. S. Yedidia, W. T. Freeman and Y. Weiss: Constructing freeenergy approximations and generalized belief propagation
algorithms, IEEE Transactions on Information Theory, 51 (2005).
クラスター変分法という統計物理学の手法
がその一般化の鍵
R. Kikuchi: A theory of cooperative phenomena, Phys. Rev., 81
(1951).
T. Morita: Cluster variation method of cooperative phenomena and
its generalization I, J. Phys. Soc. Jpn, 12 (1957).
物理フラクチュオマティクス論(東北大)
6
確率伝搬法の統計物理学的位置付け
木構造を持つグラフィカルモデルではベーテ近似
は転送行列法と等価である.
閉路を持つグラフィカルモデル上のベイジアンネットでの確率伝
搬法はベーテ近似またはその拡張版であるクラスター変分法に
等価である(Yedidia, Weiss and Freeman, NIPS2000).
転送行列法
||(木構造)
もともとの確率伝搬法
ベーテ近似
クラスター変分法
(菊池近似)
一般化された確率伝搬法
物理フラクチュオマティクス論(東北大)
7
一般化された確率伝搬法の応用範囲
Image Processing
K. Tanaka: Statistical-mechanical approach to image processing (Topical Review), J.
Phys. A, 35 (2002).
A. S. Willsky: Multiresolution Markov Models for Signal and Image Processing,
Proceedings of IEEE, 90 (2002).
Low Density Parity Check Codes
Y. Kabashima and D. Saad: Statistical mechanics of low-density parity-check codes
(Topical Review), J. Phys. A, 37 (2004).
S. Ikeda, T. Tanaka and S. Amari: Information geometry of turbo and low-density
parity-check codes, IEEE Transactions on Information Theory, 50 (2004).
CDMA Multiuser Detection Algorithm
Y. Kabashima: A CDMA multiuser detection algorithm on the basis of belief
propagation, J. Phys. A, 36 (2003).
T. Tanaka and M. Okada: Approximate Belief propagation, density evolution, and
statistical neurodynamics for CDMA multiuser detection, IEEE Transactions on
Information Theory, 51 (2005).
Satisfability Problem
O. C. Martin, R. Monasson, R. Zecchina: Statistical mechanics methods and phase
transitions in optimization problems, Theoretical Computer Science, 265 (2001).
M. Mezard, G. Parisi, R. Zecchina: Analytic and algorithmic solution of random
satisfability problems, Science, 297 (2002).
物理フラクチュオマティクス論(東北大)
8
確率的情報処理における計算困難の打破の戦略
P1 x1
Px , x ,, x
x2 T,F x3 T,F
xL T,F
1
2
L
を厳密に計算するのは一部の特殊な例を除いて難しい.
一部の特殊な例とは何か?
一部の特殊な例に適用できるアルゴリズムを一般
の場合に近似アルゴリズムとして適用できるか.
→ アルゴリズム化できるか?動くか?
精度はどの程度か?
物理フラクチュオマティクス論(東北大)
9
扱いやすい確率モデルのグラフ表現
物理フラクチュオマティクス論(東北大)
10
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A B C D E
物理フラクチュオマティクス論(東北大)
11
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A B C D E
A
B X B
C
D
E
A B C D E
物理フラクチュオマティクス論(東北大)
12
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A B C D E
B X B
A
C
D
E
A B C D E
B C D E A
A
B
B
物理フラクチュオマティクス論(東北大)
C
D
E
13
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A B C D E
B X B
A
C
D
E
A B C D E
B C D E A
A
B
A
B
B
物理フラクチュオマティクス論(東北大)
C
D
E
14
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A B C D E
B X B
A
C
D
E
A B C D E
B C D E A
A
A
B
A
B
B
C
B
C
D
D
E
E
B C D E
物理フラクチュオマティクス論(東北大)
15
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
B C D E
物理フラクチュオマティクス論(東北大)
16
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
B C D E
A
B
C X C
D
E
B C D E
物理フラクチュオマティクス論(東北大)
17
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
B C D E
A
B
C X C
B
C X
D
E
B C D E
A
C D E B
物理フラクチュオマティクス論(東北大)
C
D
E
18
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
B C D E
A
B
C X C
B
C X
D
E
B C D E
A
C D E B
B
C
D
E
C
物理フラクチュオマティクス論(東北大)
19
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
B C D E
A
B
C X C
B
C X
D
E
B C D E
A
C D E B
B
B
C
D
E
C
C
D
E
C D E
物理フラクチュオマティクス論(東北大)
20
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A B C D E
物理フラクチュオマティクス論(東北大)
21
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A
B
C
D
E
A B C D E
B C D E
物理フラクチュオマティクス論(東北大)
22
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A
B
C
D
E
B
C
D
E
A B C D E
B C D E
C D E
物理フラクチュオマティクス論(東北大)
23
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A
B
C
D
E
B
C
D
E
C
D
E
A B C D E
B C D E
C D E
D E
物理フラクチュオマティクス論(東北大)
24
扱いやすい確率モデルのグラフ表現
A
B
C
D
E
A
B
C
D
E
B
C
D
E
C
D
E
D
E
A B C D E
B C D E
C D E
D E
E
物理フラクチュオマティクス論(東北大)
25
扱いやすい確率モデルのグラフ表現
A
D
C
E
A B C D E F
B
F
物理フラクチュオマティクス論(東北大)
26
扱いやすい確率モデルのグラフ表現
A
D
C
A
E
A B C D E F
D
C
E
B C D E F
B
F
物理フラクチュオマティクス論(東北大)
B
F
27
扱いやすい確率モデルのグラフ表現
A
D
C
E
A B C D E F
D
C
E
B C D E F
B
F
A
A
B
F
D
C
E
C D E F
B
F
物理フラクチュオマティクス論(東北大)
28
扱いやすい確率モデルのグラフ表現
A
D
C
A
E
A B C D E F
C
E
B C D E F
B
F
A
D
B
D
C
D
C
E
C D E F
F
E
D E F
B
F
物理フラクチュオマティクス論(東北大)
F
29
扱いやすい確率モデルのグラフ表現
A
D
C
A
E
A B C D E F
C
E
B C D E F
B
F
A
D
B
D
C
D
C
E
C D E F
F
E
D E F
B
F
F
D
C
E
E F
F
物理フラクチュオマティクス論(東北大)
30
扱いやすい確率モデルのグラフ表現
A
D
C
A
E
A B C D E F
C
E
B C D E F
B
F
A
D
B
D
C
D
C
E
C D E F
F
E
D E F
B
F
F
D
C
E
E F
F
F
E
F
物理フラクチュオマティクス論(東北大)
31
扱いやすい確率モデルのグラフ表現
周辺確率のメッセージを用いた表現
A
Pr{E}
A
B
C
D
D
C
E
F
B
F
物理フラクチュオマティクス論(東北大)
32
扱いやすい確率モデルのグラフ表現
周辺確率のメッセージを用いた表現
A
Pr{E}
A
B
C
D
D
C
E
F
B
F
A
=
A
B
C
C
E
D
B
D
E
F
E
F
物理フラクチュオマティクス論(東北大)
33
扱いやすい確率モデルのグラフ表現
周辺確率のメッセージを用いた表現
A
D
Pr{E}
A
B
C
D
C
E
F
B
F
A
=
A
B
C
E
C
D
B
=
C
D
E
E
D
E
F
E
F
E
F
物理フラクチュオマティクス論(東北大)
34
扱いやすい確率モデルのグラフ表現
周辺確率のメッセージを用いた表現
A
D
Pr{E}
A
B
C
D
C
E
F
B
F
A
=
A
B
C
E
C
D
D
B
E
F
E
F
D
=
C
D
E
E
E
=
C
E
F
物理フラクチュオマティクス論(東北大)
F
35
扱いやすい確率モデルのグラフ表現
周辺確率のメッセージを用いた表現
A
D
Pr{C, E}
A
B
D
C
E
F
B
=
A
B
C
A
F
C
C
E
D
B
D
E
F
E
F
A
=
C
A
C
C
B
D
E
E
物理フラクチュオマティクス論(東北大)
E
=
F
D
C
E
B
F
36
扱いやすい確率モデルのグラフ表現
周辺確率のメッセージを用いた表現
A
D
Pr{E}
=
C
Pr{C , E} =
E
C
B
F
Pr{E} Pr{C, E}
D
C
C
E
F
C
E
C
C
D
A
E
F
D
C
E
B
F
A
C
E
メッセージに
対する漸化式
B
物理フラクチュオマティクス論(東北大)
37
扱いやすい確率モデルのグラフ表現
A
周辺確率のメッセージを用いた表現
C
C
A
C
C
A
E
B
Step 1
A
D
B
B
D
C
E
B
D
F
D
E
E
F
Step 2
C
E
C
A
C
C
E
E
A
C
C
C
A
C
B
E
B
C
A
D
C
B
E
E
C
E
物理フラクチュオマティクス論(東北大)
F
E
E
Step 3
F
D
C
B
E
F
D
E
E
F
F
C
D
E
F
E
38
扱いやすい確率モデルのグラフ表現
周辺確率のメッセージを用いた表現
Step 1
A
D
C
Step 2
B
F
A
D
C
Step 3
E
E
B
F
A
D
C
B
E
F
物理フラクチュオマティクス論(東北大)
39
確率伝搬法 (Belief Propagation)
閉路のないグラフ上の確率モデル
Pa, b, c, d , x1 , x2
WA a, x1 WB b, x1 W{1, 2} x1 , x2 WC c, x2 W d , x2
a
4b
3
2
1
6
d
5
x3 a
x5 c
x4 b
x6 d
c
物理フラクチュオマティクス論(東北大)
40
確率伝搬法 (Belief Propagation)
閉路のないグラフ上の確率モデル
WA a, x1
a
WB b, x1
a
3
1
6
d
WC c, x2
4b
1 1
W{1, 2} x1 , x2
2
2
4b
3
2
5
c
WD d , x2
2
1
6
d
5
c
Pa, b, c, d , x1 , x2
WA a, x1 WB b, x1
W{1, 2} x1 , x2 WC c, x2 W d , x2
物理フラクチュオマティクス論(東北大)
41
閉路のないグラフ上の確率モデル
P{1, 2} x1 , x2
Pa, b, c, d , x , x
1
2
a,b,c,d
M 31 x1 M 41 x1 W{1, 2} x1 , x2 M 62 x2 M 52 x2
M 31 x1 WA a, x1 M 41 x1 WB b, x1
a
a
4 b M 52 x2 WC c, x2 M 62 x2 WD d , x2
3
2
6
d
b
c
1
5
c
d
ノード1と2の周辺確率分布は
それぞれ隣接するノードから伝搬され
るメッセージの積により表される.
物理フラクチュオマティクス論(東北大)
42
確率伝搬法 (Belief Propagation)
閉路のないグラフ上の確率モデル
M 12 x2 W{1, 2} x1 , x2 WA a, x1 WB b, x1
x1
a
b
W{1, 2} x1 , x2 M 31 x1 M 41 x1
x1
a
4b
3
2
1
6
d
5
c
ノード1から隣接ノード2に伝搬するメッセージは(ノー
ド2を除く)ノード1の隣接ノードからノード1に伝搬され
るメッセージの積により表される.
M M
メッセージに対する固定点方程式
(Message Passing Rule)
物理フラクチュオマティクス論(東北大)
43
閉路のないグラフ上の確率伝搬法
1
Pr X x W{i , j} xi , x j
Z {i , j}
X1
X2
X3
X k 1
X k 3
閉路が無い
ことが重要!!
Xk
X k 1
X k 2
同じノードは2度通らない
物理フラクチュオマティクス論(東北大)
44
確率的画像処理における
確率伝搬法(Belief Propagation)
Px Px1 , x2 ,, xL
x , x
{i , j}
i
j
{i , j}E
E:すべてのリンクの集合
物理フラクチュオマティクス論(東北大)
45
正方格子によるグラフ表現をもつ
確率モデルの確率伝搬法(Belief Propagation)
着目画素とその近傍画素だけを残すと木構造になる.
物理フラクチュオマティクス論(東北大)
46
正方格子によるグラフ表現をもつ
確率モデルの確率伝搬法(Belief Propagation)
着目画素とその近傍画素だけを残すと木構造になる.
確率伝搬法(Belief Propagation)の統計的近似アルゴ
リズムとしての転用
物理フラクチュオマティクス論(東北大)
47
周辺確率(Marginal Probability)
P2 x2 Px1 , x2 , x3 , x4 ,, x N
x1 x3 x 4
xN
物理フラクチュオマティクス論(東北大)
48
周辺確率(Marginal Probability)
P2 x2 Px1 , x2 , x3 , x4 ,, x N
x1 x3 x 4
x1 x 3 x 4
xN
2
xN
物理フラクチュオマティクス論(東北大)
49
周辺確率(Marginal Probability)
P2 x2 Px1 , x2 , x3 , x4 ,, x N
x1 x3 x 4
x1 x 3 x 4
xN
xN
2
物理フラクチュオマティクス論(東北大)
2
50
周辺確率(Marginal Probability)
P{1,2} x1, x2 Px1 , x2 , x3 , x4 ,, xN
x3
x4
xN
物理フラクチュオマティクス論(東北大)
51
周辺確率(Marginal Probability)
P{1,2} x1, x2 Px1 , x2 , x3 , x4 ,, xN
x3
x3 x 4
x4
1
xN
2
xN
物理フラクチュオマティクス論(東北大)
52
周辺確率(Marginal Probability)
P{1,2} x1, x2 Px1 , x2 , x3 , x4 ,, xN
x3
x3 x 4
xN
x4
1
xN
2
物理フラクチュオマティクス論(東北大)
1
2
53
正方格子によるグラフ表現をもつ
確率モデルの確率伝搬法(Belief Propagation)
P2 x2 P{1, 2} x1 , x2
x1
物理フラクチュオマティクス論(東北大)
54
正方格子によるグラフ表現をもつ
確率モデルの確率伝搬法(Belief Propagation)
P2 x2 P{1, 2} x1 , x2
x1
4
3
8
1
2
5
6
物理フラクチュオマティクス論(東北大)
7
55
正方格子によるグラフ表現をもつ
確率モデルの確率伝搬法(Belief Propagation)
P2 x2 P{1, 2} x1 , x2
x1
8
1
2
6
7
4
3
8
1
2
5
6
物理フラクチュオマティクス論(東北大)
7
56
正方格子によるグラフ表現をもつ
確率モデルの確率伝搬法(Belief Propagation)
3
P2 x2 P{1, 2} x1 , x2
1 2
2
1
4
x1
5
x1
Message Update Rule
8
1
2
6
7
4
3
8
1
2
5
6
物理フラクチュオマティクス論(東北大)
7
57
閉路のあるグラフ上の確率モデル
の確率伝搬法(Belief Propagation)
3
2
M 31
M 12
1 2
1
M 41
4
M 51
x1
5
3
4
1
5
2
閉路のあるグラフ上でも局所的な
構造だけに着目してアルゴリムを
構成することは可能.
ただし,得られる結果は厳密では
なく近似アルゴリズム
物理フラクチュオマティクス論(東北大)
58
閉路のあるグラフ上の確率モデル
の確率伝搬法(Belief Propagation)
3
2
M 31
M 12
1 2
1
M 41
4
M 51
x1
5
3
4
1
5
2
閉路のあるグラフ上でも局所的な
構造だけに着目してアルゴリムを
構成することは可能.
ただし,得られる結果は厳密では
なく近似アルゴリズム
M M
メッセージに対する固
定点方程式
物理フラクチュオマティクス論(東北大)
59
閉路のあるグラフ上の確率モデル
の確率伝搬法(Belief Propagation)
3
2
M 31
M 12
1 2
1
M 41
4
M 51
x1
5
3
4
1
5
2
閉路のあるグラフ上でも局所的な
構造だけに着目してアルゴリムを
構成することは可能.
ただし,得られる結果は厳密では
なく近似アルゴリズム
M M
メッセージに対する固
定点方程式
平均,分散,共分散はこのメッセージを使ってあらわされる
物理フラクチュオマティクス論(東北大)
60
Fixed Point Equation and
Iterative Method
Fixed Point Equation
* *
M M
物理フラクチュオマティクス論(東北大)
61
Fixed Point Equation and
Iterative Method
Fixed Point Equation
* *
M M
Iterative Method
yx
y
y (x)
0
M*
物理フラクチュオマティクス論(東北大)
x
62
Fixed Point Equation and
Iterative Method
Fixed Point Equation
* *
M M
Iterative Method
yx
y
y (x)
0
M*
物理フラクチュオマティクス論(東北大)
M0
x
63
Fixed Point Equation and
Iterative Method
* *
M M
Fixed Point Equation
Iterative Method
M1 M 0
yx
y
M1
0
y (x)
M*
物理フラクチュオマティクス論(東北大)
M0
x
64
Fixed Point Equation and
Iterative Method
* *
M M
Fixed Point Equation
Iterative Method
M1 M 0
M 2 M1
yx
y
M1
0
y (x)
M * M1
物理フラクチュオマティクス論(東北大)
M0
x
65
Fixed Point Equation and
Iterative Method
* *
M M
Fixed Point Equation
Iterative Method
M1 M 0
M 2 M1
yx
y
M1
M2
0
y (x)
M * M1
物理フラクチュオマティクス論(東北大)
M0
x
66
Fixed Point Equation and
Iterative Method
Fixed Point Equation
* *
M M
Iterative Method
M1 M 0
M 2 M1
M3 M2
yx
y
M1
M2
0
y (x)
M * M1
M0
x
物理フラクチュオマティクス論(東北大)
67
確率的画像処理における
確率伝搬アルゴリズムの基本構造
4近傍の場合は3入力1出力の更新式
ひとつの画素ごとに4種類の更新パターン
画素上での
動作の様子
の一例
物理フラクチュオマティクス論(東北大)
68
閉路のあるグラフ上の確率モデル
M 1 2 x 2
W12 z1 , x2 M 31 z1 M 4 1 z1 M 5 1 z1
z1
W12 z1 , z 2 M 31 z1 M 4 1 z1 M 5 1 z1
z1 z 2
3
4
1
5
2
閉路のあるグラフ上でも局所的な
構造だけに着目してアルゴリムを
構成することは可能.
ただし,得られる結果は厳密では
なく近似アルゴリズム
M M
メッセージに対する固
定点方程式
物理フラクチュオマティクス論(東北大)
69
確率伝搬法の情報論的解釈(1)
Kullback-Leibler Divergence
Q x
0
DQ P Q( x) ln
x
P x
Q x 0,
x Q( x) 1
1
Q x P x D Q P 0 Px1 , x2 ,, xL Z Wij xi , x j
ijN
D[Q | P] Q( x ) ln Wij xi , x j Q( x ) ln Q x ln Z
x
ijN
x
F [Q ]
F [Q] ln Z
Free Energy
Z Wij xi , x j
x ijN
minF[Q] Q x 1 F[ P] ln Z
Q
x
物理フラクチュオマティクス論(東北大)
70
確率伝搬法の情報論的解釈(2)
Q x
0
DQ P Q( x) ln
x
P x
1
P x Wij xi , x j
Z ijB
Free Energy
KL Divergence
DQ P FQ lnZ
F Q Q( x )
x
Qij ( xi , x j )
Q( x )
x \ xi , x j
ln W x , x Q( x) ln Q x
{i , j }E
ij
i
j
x
Q( x ) ln Wij xi , x j Q( x ) ln Q x
{i , j }E xi x j x \ xi , x j
x
Qij xi , x j ln Wij xi , x j Q( x ) ln Q x
{i , j }E xi
xj
物理フラクチュオマティクス論(東北大)
x
71
確率伝搬法の情報論的解釈(3)
KL Divergence
F Q
Free Energy
DQ P FQ lnZ
Q , ln W ,
{i , j }E
ij
ij
Q( x ) ln Q x
Qi ( xi ) Q( x)
x\ xi
Qij ( xi , x j )
x
Q , ln W ,
{i , j }E
1
P x
Wij xi , x j
Z {i , j}E
ij
Q( x )
x \ xi , x j
ij
Qi ln Qi
Bethe Free
iV
Energy
Qij , ln Qij , Qi ln Qi Q j ln Q j
{i , j }E
物理フラクチュオマティクス論(東北大)
72
確率伝搬法の情報論的解釈(4)
DQ P FBethe Qi , Qij ln Z
Q , ln W , Q ln Q
FBethe Qi , Qij
{i , j }E
ij
ij
iV
i
i
arg min DQ P arg min F
Qij , ln Qij , Qi ln Qi Q j ln Q j
{i , j }E
Q
Q
arg min DQ P arg min FBethe Qi , Qij
Qi ,Qij
Q
Q Q , 1
i
ij
Qi Qij ,
物理フラクチュオマティクス論(東北大)
73
確率伝搬法の情報論的解釈(5)
arg min FBethe Qi , Qij Qi Qij , , Qi Qij , 1
Qi ,Qij
Lagrange Multipliers to ensure the constraints
LBethe Qi , Qij FBethe Qi , Qij
i , j Qi Qij ,
iV ji
i Qi 1 ij Qij , 1
iV
{i , j}E
物理フラクチュオマティクス論(東北大)
74
確率伝搬法の情報論的解釈(6)
LBethe Qi , Qij FBethe Qi , Qij i , j Qi Qij ,
iV ji
i Qi 1 ij Qij , 1
iV
{i , j}E
Qij , ln Wij , Qi ln Qi
{i , j }E
iV
Q
,
ln
Q
,
Q
ln
Q
Q
ln
Q
ij
i
i
j
j
ij
{i , j }E
i , j Qi Qij , i Qi 1 ij Qij , 1
iV ji
iV
ijB
Extremum Condition
LBethe Qi , Qij 0
Qi xi
LBethe Qi , Qij 0
Qij xi , x j
物理フラクチュオマティクス論(東北大)
75
確率伝搬法の情報論的解釈(7)
LBethe Qi , Qij 0
Qi xi
M 31
4
M 41
3
1
M 31
M 21
2
4
M 41
3
1
8M
W12
M 51
M 51
5
LBethe Qi , Qij 0
Qij xi , x j
2
Extremum
Condition
82
M 72
7
M 62
5
6
Q1 x1
1
1
M 21 x1 M 31 x1 Q12 x1 , x2
M 31 x1 M 41 x1 M 51 x1
Z1
Z12
M 41 x1 M 51 x1
W12 x1 , x2 M 62 x2 M 72 x2 M 82 x2
物理フラクチュオマティクス論(東北大)
76
確率伝搬法の情報論的解釈(8)
Q1 Q12 ,
M 12
W12 , M 31
M 41 M 51
Message Update Rule
M 31
4
M 41
3
M 31
M 21
1
2
4
M 41
3
1
8M
W12
M 51
M 51
5
2
82
M 72
7
M 62
5
6
Q1 x1
1
1
M 21 x1 M 31 x1 Q12 x1 , x2
M 31 x1 M 41 x1 M 51 x1
Z1
Z12
M 41 x1 M 51 x1
W12 x1 , x2 M 62 x2 M 72 x2 M 82 x2
物理フラクチュオマティクス論(東北大)
77
確率伝搬法の情報論的解釈(9)
M 12
W12 , M 31 M 41 M 51
W12 , M 31 M 41 M 51
Message Passing Rule of
Belief Propagation
M 31
4
M 41
M12
8
a2
4
3
1
3
2
1
2
5
6
7
3
M 51
5
これはクラスター変分法のなかでも
ベーテ近似になる.
=
4
物理フラクチュオマティクス論(東北大)
1
2
5
78
イジング模型の確率変数の期待値
1 N N
exp
( a x, y a x 1, y a x , y a x , y 1 )
T
x
1
y
1
P(a )
1 N N
exp
(
a
a
a
a
)
x , y x , y 1
T x, y x 1, y
a
x 1 y 1
(a)
(b)
(c)
(d)
lim a x, y P (a )
N a
平均場近似(ワイス近似)
ベーテ近似
クラスター変分法(菊池近似)
厳密解(L. Onsager)
a x, y 1
T
物理フラクチュオマティクス論(東北大)
79
本日のまとめ
確率伝搬法
転送行列法
ベーテ近似・クラスター変分法
反復法
次回
第10回 確率的画像処理と確率伝搬法
第11回 確率推論におけるベイジアンネットと確率伝搬法
物理フラクチュオマティクス論(東北大)
80
演習問題9-1
確率変数 a, b, c, d, x, y の確率分布 P(a,b,c,d,x,y) を考える.
Pa,b,c,d,x, y WA a, xWB b, xWXY x, y WC c, y WD d , y
確率変数 x, y の周辺確率分布 PXY(x,y) が次のように与え
られることを示せ.
PXY x, y Pa,b,c,d,x, y
a b c d
M A X x M B X x W XY x, y M C 2 y M D 2 y
M A X x W A a, x
M B X x W B b, x
a
M C Y y WC c, y
c
b
M D Y y W D d , y
d
物理フラクチュオマティクス論(東北大)
81
演習問題9-2
以下の形に与えられる2つの周辺確率分布
Q1 x1
1
M 21 x1 M 31 x1 M 41 x1 M 51 x1
Z1
Q12 x1 , x2
1
M 31 x1 M 41 x1 M 51 x1 W12 x1 , x2 M 62 x2 M 72 x2 M 82 x2
Z12
を Q1 x1 Q12 x1 , x2 に代入することにより次の等式
x2
を導出せよ.
M 21 x1
Z1
Z12
W x , x M x M x M x
12
1
2
62
2
72
2
82
2
x2
物理フラクチュオマティクス論(東北大)
82
演習問題9-3
非線形方程式 x=tanh(Cx) を反復法を用いて数値的に解く
プログラムを作成し,C=0.5, 1.0, 2.0 に対する解を求めよ.ま
た C=0.5, 1.0, 2.0 のそれぞれに対して y=tanh(Cx) と y=x の
グラフを書き,C の値により非線形方程式 x=tanh(Cx) がど
のような解を持ち,初期値 x0 により反復法がどのような解に
収束するかについて議論せよ.
x1 tanhCx0
x2 tanhCx1
x3 tanhCx2
物理フラクチュオマティクス論(東北大)
83