Методи побудови Байєсовських мереж
DOI:
https://doi.org/10.20535/1560-8956.8.2005.37542Анотація
Розглянуто різні методи навчання байєсових мереж на основі експериментальних даних. Детально розглянуто метод описання мінімальної довжини (ОМД) і метод запропонований Купером та Гершковичем (КГ). Для розрахунку похибки навчання запропоновано використовувати формулу структурної різниці.
Посилання
Suzuki J. Learning Bayesian Belief Networks Based on the MDL Principle: An Efficient Algorithm Using the Branch and Bound Technique. // IEICE Trans. on Information and Systems. pages Feb. 1999, 356-367 p.
Suzuki J. Learning Bayesian Belief Networks based on the Minimum Description length Principle: Basic Properties. // IEICE Trans. on Fundamentals, Vol. E82-A NO 9, September 1999, 9 p.
Grunwald P. A Tutorial Introduction to the Minimum Description Length Principle. // Advances in Minimum Description Length: Theory and Applications MIT Press , Cambridge, MA, USA, 2005, 80 p.
Шумский С.А. Байесова регуляризация обучения. Лекции по нейроинформатике. Часть 2. – М.: МИФИ, 2002. – 172 с.
Vapnik V. The nature of statistical learning theory. Springer, 1995, 188 p.
Cooper G. F., Herskovits E. A bayesian method for the induction of probabilistic networks from data. Knowledge Systems Laboratory// Report KSL-91-02, November 1993, 43 p.
Zheng Y. and Kwoh C.K. Improved MDL Score for Learning of Bayesian Networks. Proceedings of the International Conference on Artificial Intelligence in Science and Technology, AISAT 2004, 98-103 p.
Heckerman D., Geiger D., Chickering D. Learning Bayesian Networks: The Combination of Knowledge and Statistical Data. Technical Report MSR-TR-94-09, march 1994, 54 p.
Park J. and Darwiche A. Complexity Results and Approximation Strategies for MAP Explanations. Journal of Artificial Intelligence Research 21, 2004, 101-133 p.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
