Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Learning Bayesian Belief Networks Based on the MDL Principle: An Efficient Algorithm Using the Branch and Bound Technique Mempelajari Rangkaian Kepercayaan Bayesian Berdasarkan Prinsip MDL: Algoritma Cekap Menggunakan Teknik Cawangan dan Terikat

Joe SUZUKI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Dalam makalah ini, isu pengiraan dalam masalah pembelajaran rangkaian kepercayaan Bayesian (BBN) berdasarkan prinsip panjang penerangan minimum (MDL) ditangani. Berdasarkan formula asimptotik panjang perihalan, kami menggunakan teknik cawangan dan terikat untuk mencari struktur rangkaian sebenar. Carian algoritma yang terhasil banyak menjimatkan pengiraan namun berjaya mencari struktur rangkaian dengan nilai minimum formula. Setakat ini, belum ada algoritma carian yang mencari penyelesaian optimum untuk contoh saiz praktikal dan satu set struktur rangkaian dalam erti kata kebarangkalian posterior maksimum, dan carian heuristik seperti perangkap K2 dan K3 dalam optima tempatan disebabkan oleh ketamakan. alam semula jadi walaupun saiz sampel adalah besar. Algoritma yang dicadangkan, kerana ia meminimumkan panjang perihalan, akhirnya memilih struktur rangkaian sebenar apabila saiz sampel pergi ke infiniti.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E82-D No.2 pp.356-367
Tarikh penerbitan
1999/02/25
Diumumkan
ISSN dalam talian
DOI
Jenis Manuskrip
PAPER
kategori
Algoritma dan Kerumitan Pengiraan

Pengarang

Kata kunci

Contents [show]