arXiv · cs.AI· Yaomin Wang, Chaolong Ying, Xiaodong Luo, Tianshu Yu·· 8 小时前
ReMAP：用于可扩展MRF最大后验推断的无损残差神经提升
ReMAP: Lossless Residual Neural Lifting for Scalable MAP Inference in Arbitrary-Order Markov Random Fields
arXiv:2411.18954v5阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yaomin Wang, Chaolong Ying, Xiaodong Luo, Tianshu Yu
研究任务与主要进展
作者提出ReMAP残差神经提升方法，用于有限马尔可夫随机场的最大后验推断。基于论文摘要，该方法通过全局坐标变换保持自由节点logit问题的下确界、临界点、局部极值和Hessian惯性，并使联合梯度流获得由GNN耦合产生的额外耗散。作者还给出小间隙区域中残差梯度流和联合梯度下降的收敛速率，并在合成MRF、UAI 2022基准和Physical Cell Identity问题上进行大规模实验评估。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org