Par Alexandre Papadopoulos, François Pachet, Pierre Roy et Jason Sakellariou.
Dans Principles and Practice of Constraint Programming (CP 2015), Lecture Notes in Computer Science, vol. 9255, pp. 341–350, Springer, 2015.
Lire l’article (PDF)
Notice de l’éditeur
À propos de l’article
Comment respecter des contraintes strictes tout en conservant les probabilités des séquences autorisées ? Cet article propose une méthode d’échantillonnage exact des séquences de Markov sous contraintes régulières et unaires.
Résumé de l’article
Les auteurs réunissent une chaîne de Markov et des automates finis dans un graphe de facteurs en chaîne. La propagation de croyances calcule les probabilités nécessaires aux tirages conditionnels exacts. L’approche est illustrée par la génération de musique et de texte, avec des contraintes métriques et syntaxiques.
Travaux connexes
Sampling Markov Models under Binary Equality Constraints Is Hard · PDF (2016) étudie la difficulté de l’échantillonnage exact lorsque des positions éloignées doivent se répéter, ainsi que les biais produits par la combinaison d’une marche aléatoire et du filtrage de contraintes.
Voir le projet Contraintes de Markov pour les travaux initiaux. Exact Regular-Constrained Sampling for Variable-Order Markov Generation (NeurIPS 2026) étend cette recherche aux modèles d’ordre variable.