確率回路の人間支援学習のための統一的なフレームワーク

確率回路は複雑な確率分布を効率的に表現し学習できるが、データ駆動型のアプローチでは、データが限定的で質が低い場合に性能が低下する。本研究では、ドメイン知識を制約として統一的に組み込むことで、データ不足や雑音の多い状況でも高い性能を発揮する確率回路の学習手法を提案する。