ترجمه فارسی مقاله خانواده‌ای از توزیع‌های زیرمجموعه‌های تصادفی برای کنترل وابستگی مثبت و منفی

چکیده

Positive and negative dependence are fundamental concepts that characterize the attractive and repulsive behavior of random subsets. Although some probabilistic models are known to exhibit positive or negative dependence, it is challenging to seamlessly bridge them with a practicable probabilistic model. In this study, we introduce a new family of distributions, named the discrete kernel point process (DKPP), which includes determinantal point processes and parts of Boltzmann machines. We also develop some computational methods for probabilistic operations and inference with DKPPs, such as calculating marginal and conditional probabilities and learning the parameters. Our numerical experiments demonstrate the controllability of positive and negative dependence and the effectiveness of the computational methods for DKPPs.

چکیده به فارسی (ترجمه ماشینی)

وابستگی مثبت و منفی مفاهیم اساسی هستند که رفتار جذاب و دافع کننده زیر مجموعه های تصادفی را توصیف می کنند.اگرچه برخی از مدلهای احتمالی به نمایش وابستگی مثبت یا منفی شناخته شده اند ، اما برای یکپارچه سازی آنها با یک مدل احتمالی عملی ، چالش برانگیز است.در این مطالعه ، ما خانواده جدیدی از توزیع ها را به نام فرایند هسته گسسته (DKPP) معرفی می کنیم که شامل فرآیندهای تعیین کننده نقطه و بخش هایی از دستگاه های بولتزمن است.ما همچنین برخی از روشهای محاسباتی را برای عملیات احتمالی و استنباط با DKPP ها ، مانند محاسبه احتمالات حاشیه ای و مشروط و یادگیری پارامترها ایجاد می کنیم.آزمایش های عددی ما کنترل وابستگی مثبت و منفی و اثربخشی روشهای محاسباتی برای DKPP ها را نشان می دهد.