Быстрый алгоритм вывода структур байесовых сетей из данных

Розроблено новий алгоритм відтворення структур залежностей з даних, який відноситься до constraint-based підходу. Новизна запропонованого алгоритму походить від правил прискорення індуктивного виведення, які радикально скорочують простір пошуку сепараторів при виведенні скелета моделі. На прикладах...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Проблемы управления и информатики
Datum:2011
ISSN:0572-2691
Hauptverfasser: Балабанов, А.С., Гапеев, А.С., Гупал, А.М., Ржепецкий, С.С.
Format: Artikel
Sprache:Russisch
Veröffentlicht: Інститут кібернетики ім. В.М. Глушкова НАН України 2011
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/207340
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Быстрый алгоритм вывода структур байесовых сетей из данных / А.С. Балабанов, А.С. Гапеев, А.М. Гупал, С.С. Ржепецкий // Проблемы управления и информатики. — 2011. — № 5. — С. 73–80. — Бібліогр.: 13 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:Розроблено новий алгоритм відтворення структур залежностей з даних, який відноситься до constraint-based підходу. Новизна запропонованого алгоритму походить від правил прискорення індуктивного виведення, які радикально скорочують простір пошуку сепараторів при виведенні скелета моделі. На прикладах байєсових мереж помірної насиченості новий алгоритм показав прискорення у кілька разів порівняно з відомим алгоритмом РС We have developed a new constraint-based algorithm for learning dependency structures from data. Novelty of proposed algorithm comes from implementing rules of inductive inference acceleration, which can radically reduce a searching space for skeleton inference. We have demonstrated that proposed algorithm learns Bayesian nets (of moderate density) multiple times faster than well-known PC algorithm.
ISSN:0572-2691