文献

J-GLOBAL ID：201702215646940416   整理番号：17A0473816

学習Bayesネットワークのための新しいハイブリッド法:分離と再結合【Powered by NICT】

A new hybrid method for learning bayesian networks: Separation and reunion

著者 (4件)： Liu Hui (Lab of Information Management, Changzhou University, Jiangsu, China) ,  Zhou Shuigeng (Shanghai Key Lab of Intelligent Information Processing, School of Computer Science, Fudan University, Shanghai, China) ,  Lam Wai (Department of Systems Engineering and Engineering Management, the Chinese University of Hong Kong, Shatin, Hong Kong, China) ,  Guan Jihong (Department of Computer Science and Technology, Tongji University, Shanghai, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 121  ページ： 185-197  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  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： 学習Bayesネットワーク(BN)のための既存アルゴリズムの多くは,制約ベースまたはスコアベース法として分類することができる。制約ベースアルゴリズムは,条件付き独立性(CI)検定を用いるエッジの有無を判定する。(高次元データ)大規模ネットワークに有効に活用できるが,CI試験は独立性を決定するために多数の試料を必要とする。,特にサンプルサイズが小さいときに信頼できない可能性がある。一方,スコアに基づく方法は,各候補ネットワーク構造を評価するためのスコア計量を採用しているが,それらは非常に大きな探索空間のために学習大規模ネットワークにおける非効率的である。本論文では,SAR(分離とレユニオンの略),新しいハイブリッドBayesネットワーク学習法それらの欠点を回避しながら,両タイプ学習技術の利点を維持することを提案した。広範な実験を行い,提案手法は最先端の方法よりも良好な性能を達成することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： アルゴリズム ,  ネットワーク構造 ,  再結合 ,  *学習
準シソーラス用語： 探索空間 ,  スコア ,  大規模ネットワーク ,  高次元データ ,  ハイブリッド法 ,  *信念ネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： Bayesネットワーク ,  条件付き独立性 ,  スコアリング機能 ,  d分離

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学習 ,  Bayesネットワーク ,  ハイブリッド法 ,  再結合