Forney Style Factor Graph

by allenlu2007

Which Graph to Use

以下的四種 graphs 都可用來表示 p(u, w, x, y, z), 但並非等價。可以找到一些例子說明。

例如 Baysian network (directed graph) 的 V structure 無直接對應的 undirected graph.  Undirected graph 的 loop structure 也沒有對應的 (acyclic) directed graph.

即使 undirected graphic 的 factor graph 和 markov random field (MRF) 也並非完全等價。Factor graph 以 factor 為單位,MRF 似乎以 clique 為單位 (?).   一般認為 factor graph 比較嚴謹且 general,但是太繁瑣因為同時要畫 variable and factor node (如下圖 original factor graph).   Forney-style factor graph 用 arc 來取代 variable node, 只留下 factor node, 看來比較精簡。不過需要解決 shared variable (下圖的 X 連接兩個以上 factors) 的情況,因而引入 “=” 的 node.  

一般有清楚因果關係的大多用 Baysian network.  各 variable 平等的應用大多用 MRF, 如圖像處理。Factor graph 在 error correction code 中常常使用。以下使用 Forney style factor graph.

 

NewImage

 

Message Passing in Factor Graph

Message passing MP (or belief propagation BP) 分為兩類:  sum product and max product.

在 factor graph 的 MP for sum product 如下圖所示。基本上以 variable 為單位

 

NewImage

 

or with message passing:

NewImage

可以 reuse message:

NewImage

 

 

In general sum product and max product 可以用以下的 summary message.  針對每個相連的 factor 可以得到 summary message ( summation or maximisation of products of factor and all other incoming messages except for the outgoing one.  最後的結果是 summary message 的 products.

 

Step 1: compute all messages (starting at the leaves!)

NewImage

 NewImage

在 loop-free 的情況下,sum-product algorithm:NewImage

Message Passing in MRF

 

MRF 的 message passing 兩個例子

1: Markov Chain (沒有 shared variable)

NewImage 

Node: variable X1, .. X5.  

Factor: arc (每一個 factor 只有兩個 variable, no shared variable)

剛好和 Forney style factor graph 相反。

P(X2, X5) = P(X5) P(X2|X5) 

P(X2|X5) :  X5 是 evident node; X2 是 unknown node; 其他是 hidden node

所以 X2 看到的 message 為左右的 product.  Format 和上文一樣: 

sum of products:  sig{ P(X3|X2) * delta(4) } and sig { P(X2|X1) * delta(1)}

 

2.  Clique tree example (簡化後和以上相同)

NewImage

 

 

Message Passing in WiKi

NewImage

NewImage

Wiki 的說法和之前的公式一致,只是分為兩部份。 messages: (variable v to factor u) and (factor u to variable v)

 

General Formula

Find P(X | Y) where X and Y are vectors

X: x1, x2, x3… are unknows

Y: y1, y2, y3… are evidences

Z: z1, z2, z3… are hiddens

 

 

 

 

 

 

 

Advertisements