Taxonomy of Dual Block-Coordinate Ascent Methods for Discrete Energy Minimization

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F20%3A00342652" target="_blank" >RIV/68407700:21230/20:00342652 - isvavai.cz</a>

Výsledek na webu

<a href="http://proceedings.mlr.press/v108/tourani20a/tourani20a.pdf" target="_blank" >http://proceedings.mlr.press/v108/tourani20a/tourani20a.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Taxonomy of Dual Block-Coordinate Ascent Methods for Discrete Energy Minimization

Popis výsledku v původním jazyce

We consider the maximum-a-posteriori inference problem in discrete graphical models and study solvers based on the dual block-coordinate ascent rule. We map all existing solvers in a single framework, allowing for a better understanding of their design principles. We theoretically show that some block-optimizing updates are sub-optimal and how to strictly improve them. On a wide range of problem instances of varying graph connectivity, we study the performance of existing solvers as well as new variants that can be obtained within the framework. As a result of this exploration we build a new state-of-the art solver, performing uniformly better on the whole range of test instances.

Název v anglickém jazyce

Taxonomy of Dual Block-Coordinate Ascent Methods for Discrete Energy Minimization

Popis výsledku anglicky

We consider the maximum-a-posteriori inference problem in discrete graphical models and study solvers based on the dual block-coordinate ascent rule. We map all existing solvers in a single framework, allowing for a better understanding of their design principles. We theoretically show that some block-optimizing updates are sub-optimal and how to strictly improve them. On a wide range of problem instances of varying graph connectivity, we study the performance of existing solvers as well as new variants that can be obtained within the framework. As a result of this exploration we build a new state-of-the art solver, performing uniformly better on the whole range of test instances.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EF18_070%2F0010457" target="_blank" >EF18_070/0010457: Mezinárodní mobility výzkumných pracovníků MSCA-IF II na ČVUT v Praze</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of Machine Learning Research

ISBN

—

ISSN

2640-3498

e-ISSN

—

Počet stran výsledku

10

Strana od-do

—

Název nakladatele

Proceedings of Machine Learning Research

Místo vydání

—

Místo konání akce

Palermo

Datum konání akce

3. 6. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000559931303044