ReMAP 论文更新至 v5：残差神经提升用于 MRF MAP 推断

Yaomin Wang、Chaolong Ying、Xiaodong Luo、Tianshu Yu 将 ReMAP 论文（arXiv:2411.18954）更新至 v5。该方法针对有限马尔可夫随机场（MRF）的最大后验（MAP）推断（该问题一般被认为是 NP-hard），提出无损残差神经提升，通过全局坐标变换实现精确多重线性能量在乘积边缘下的逐实例优化。 基于论文摘要，该方法保持自由节点 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。实验评估在合成 MRF、UAI 2022 基准和 Physical Cell Identity（PCI）问题上进行大规模测试。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。