文献

J-GLOBAL ID：201202222273925597   整理番号：12A1524396

Markov包括的分解(blanket decomposition)を使った学習Bayesianネットワーク構造

Learning Bayesian network structure using Markov blanket decomposition

著者 (2件)： BUI Anh Tuan (Dep. of Industrial and Management Engineering, Pohang Univ. of Sci. and Technol., San 31, Hyoja-dong, Pohang 790-784 ...) ,  JUN Chi-hyuck (Dep. of Industrial and Management Engineering, Pohang Univ. of Sci. and Technol., San 31, Hyoja-dong, Pohang 790-784 ...)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 33  号： 16  ページ： 2134-2140  発行年： 2012年12月01日 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 因果構造学習アルゴリズムは,観測データからBayesianネットワークを構築する。非介入データを使って,現存の制約条件ベースアルゴリズムは,I-等価の部分的に有向な非循環グラフを生成するかもしれない。しかし,これらのアルゴリズムはBayesianネットワークのグラフ特性を充分に活かしておらず,速度と精度の両方を損なう多くの冗長な試験を要求する。本稿では,多変量ノーマルデータに関する因果構造学習の速度と精度を高める特性を活かすアイデアを紹介した。5個のベンチマークネットワークの数値実験で,著者らが提案したアルゴリズムは最近開発されたアルゴリズムよりも速くて一層高い精度であった。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *Markov過程 ,  *ネットワーク ,  ネットワーク構造 ,  因果律 ,  *学習アルゴリズム ,  測定データ
準シソーラス用語： *Bayesianネットワーク ,  因果関係 ,  観測データ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 分解 ,  学習 ,  Bayesianネットワーク