คำขออ้างอิง: การย่อขนาด Submodular และฟังก์ชั่นบูลีน Monotone


13

พื้นหลัง:ในการเรียนรู้ของเครื่องเรามักจะทำงานกับแบบกราฟิกเพื่อแสดงฟังก์ชั่นความหนาแน่นของความน่าจะเป็นมิติสูง หากเรายกเลิกข้อ จำกัด ที่ความหนาแน่นรวม (ผลรวม) กับ 1 เราจะได้รับฟังก์ชั่นพลังงานที่มีโครงสร้างของกราฟที่ผิดปกติ

สมมติว่าเรามีฟังก์ชั่นเช่นพลังงาน, , กำหนดไว้ในกราฟG = ( V , E ) มีตัวแปรหนึ่งคือxสำหรับจุดสุดยอดของกราฟในแต่ละครั้งและมีฟังก์ชั่นเอกและคู่จริงมูลค่าθ ฉัน ( x ฉัน ) : ฉันVและθ ฉันJ ( x ฉัน , x J ) : ฉันเจE , ตามลำดับ พลังงานเต็มแล้วEG=(V,E)xθi(xi):iVθij(xi,xj):ijE

E(x)=iVθi(xi)+ijEθij(xi,xj)

ถ้าทั้งหมดเป็นเลขฐานสองเราสามารถคิดว่าxเป็นตัวบ่งบอกความเป็นสมาชิกชุดและด้วยการใช้คำเล็ก ๆ ในทางที่ผิด ในกรณีนี้ฟังก์ชั่นพลังงาน submodular IFF θ ฉันJ ( 0 , 0 ) + θ ฉันJ ( 1 , 1 ) θ ฉันJ ( 0 , 1 ) + θ ฉันJ ( 1 , 0 )xxxθij(0,0)+θij(1,1)θij(0,1)+θij(1,0)x=argminxE(x)

ดูเหมือนว่าจะมีการเชื่อมต่อระหว่างการลดฟังก์ชั่นพลังงาน submodular และฟังก์ชั่นบูลีนโมโนโทน: ถ้าเราลดพลังงานของสำหรับใด ๆ(เช่นเพิ่มการตั้งค่าให้เป็น "จริง") การกำหนดตัวแปรสามารถเปลี่ยนจาก 0 เป็น 1 ("false" เป็น "true") เท่านั้น หากทั้งหมดถูก จำกัด ให้เป็น 0 หรือ 1 เราจะมีฟังก์ชั่นบูลีน monotone:θi(xi=1)xixixθi|V|

fi(θ)=xi

ในขณะที่ข้างต้น{x})x=argminxE(x)

คำถาม:เราสามารถเป็นตัวแทนของเสียงเดียวฟังก์ชั่นบูลทั้งหมดโดยใช้การตั้งค่านี้โดยการเปลี่ยนแปลงเงื่อนไขคู่ที่ ? จะเกิดอะไรขึ้นถ้าเรายอมให้เป็นฟังก์ชันพลังงานแบบ submodular โดยพลการ? ในทางกลับกันเราสามารถเป็นตัวแทนของปัญหาการลดขนาดข้อมูลแบบกลุ่มย่อยเป็นชุดฟังก์ชั่นบูลีน monotone?θijE|V|

คุณสามารถแนะนำการอ้างอิงที่จะช่วยให้เข้าใจการเชื่อมต่อเหล่านี้ได้ดีขึ้นหรือไม่? ฉันไม่ใช่นักวิทยาศาสตร์คอมพิวเตอร์เชิงทฤษฎี แต่ฉันพยายามที่จะเข้าใจว่ามีข้อมูลเชิงลึกเกี่ยวกับฟังก์ชั่นบูลีนโมโนโทนซึ่งไม่ได้ถูกจับโดยการคิดในแง่ของการย่อเล็กสุดย่อย

คำตอบ:


7

เท่าที่ฉันเข้าใจกรณีการลดขนาด submodular จับทั้งหมดจะต้องมีการพูดเกี่ยวกับกรณีบูลีนเสียงเดียวและฟังก์ชั่นบูลีน submodular ไบนารีสามารถแสดงฟังก์ชั่นบูลีน submodular ทั้งหมด อย่างไรก็ตามถ้าโดเมนนั้นไม่ใช่บูลีนฟังก์ชันเลขฐานสองแบบไบนาลจะไม่เพียงพอที่จะแสดงฟังก์ชั่น submodular ทั้งหมดแม้ว่าตัวแปรที่ซ่อนอยู่อาจถูกนำมาใช้ (ขออภัยถ้าฉันพลาดความละเอียดอ่อนในการใช้ถ้อยคำปัญหาที่แม่นยำของคุณ)

สถานะของงานศิลปะได้ถูกกล่าวถึงในบทความฉบับนี้ซึ่งมีลิงค์เชื่อมโยงไปยังงานที่เกี่ยวข้องมากมายและนั่นทำให้การเชื่อมโยงไปยังคอมพิวเตอร์วิสัยทัศน์ค่อนข้างชัดเจน:

  • Stanislav Živný, David A. Cohen, Peter G. Jeavons, พลังแห่งการแสดงออกของฟังก์ชัน submodular binary , DAM 157 3347–3358, 2009 doi: 10.1016 / j.dam.2009.07.001 ( พิมพ์ )

ในกรณีที่คำถามถัดไปของคุณเกี่ยวกับการประมาณบทความล่าสุดนี้จะดูที่เวอร์ชันการประมาณ:

  • Dorit S. Hochbaum , ปัญหา Submodular - การประมาณและอัลกอริธึม , arXiv: 1010.1945

แก้ไข:ลิงก์ถาวร


แม้ว่าลิงก์ (พิมพ์ล่วงหน้า) พาฉันไปที่กระดาษอื่นที่ไม่ใช่การเชื่อมโยง doi:
dan_x

@dan x: แก้ไขลิงก์ขอบคุณสำหรับ heads-up
András Salamon
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.