関連データセットからの構造学習のためのBayes階層スコア【JST・京大機械翻訳】

A Bayesian Hierarchical Score for Structure Learning from Related Data Sets

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年08月04日プレプリントサーバーでの情報更新日： 2021年07月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

文献におけるBayesネットワークの構造学習のためのスコア関数は,データが均一な観測セットであると仮定する。一方,それらは,異なる方法で収集されたが,均一ではなく,均一でないデータセットを含む場合が多い。本論文では,Bayes階層Dirichlet(BHD)と呼ぶ新しいBayesDirichletスコアを提案した。提案したスコアは,データセットを横断して情報をプールする階層的モデルに基づいており,確率的構造の違いを考慮しながら,単一包含ネットワーク構造を学習する。限界尤度の変分近似を用いてBHDに対する閉形式表現を導出し,関連する計算コストを研究し,シミュレーションデータを用いてその性能を評価した。著者らは,データが複数の関連データセットを含むとき,BHDは,構造Hamming距離によって測定される再構成精度に関して,BayesDirichlet等価均一(BDeu)スコアより優れていて,それがデータが均一であるとき,それはBDeuと同じくらい正確であることを見出した。この改善は,ネットワーク中の変数数または観測数が大きい場合,特に明確である。さらに,推定ネットワークはスパースであり,従って,より少ない数の偽陽性アークのおかげで,BDeuで得られたものより解釈できる。【JST・京大機械翻訳】

, , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般

, , ,

前のページに戻る