Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм
Розроблено інструментарій та алгоритм відтворення ймовірнісних моделей залежностей у класі монопотокових структур (підкласі баєсових мереж). Алгоритм «Proliferator-D» обчислювально ефективний (субкубічної складності) і виконує невелику кількість тестів умовної незалежності тільки першого рангу. Коре...
Збережено в:
| Опубліковано в: : | Проблемы управления и информатики |
|---|---|
| Дата: | 2009 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2009
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/210628 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм / А.С. Балабанов // Проблемы управления и информатики. — 2009. — № 6. — С. 90-103. — Бібліогр.: 16 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-210628 |
|---|---|
| record_format |
dspace |
| spelling |
Балабанов, А.С. 2025-12-13T20:35:42Z 2009 Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм / А.С. Балабанов // Проблемы управления и информатики. — 2009. — № 6. — С. 90-103. — Бібліогр.: 16 назв. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/210628 007:681.3.00 10.1615/JAutomatInfScien.v41.i12.20 Розроблено інструментарій та алгоритм відтворення ймовірнісних моделей залежностей у класі монопотокових структур (підкласі баєсових мереж). Алгоритм «Proliferator-D» обчислювально ефективний (субкубічної складності) і виконує невелику кількість тестів умовної незалежності тільки першого рангу. Коректність алгоритму обґрунтовується простими припущеннями, емпірично робастними до обсягу вибірки даних. Коли генеративна модель виходить за рамки монопотокових структур, алгоритм плавно деградує до відомого алгоритму Крускала і виводить покриття (апроксимацію) моделі деревом. Запропонований алгоритм нескладно модифікувати з метою підвищення якості редукції (апроксимації) баєсових мереж. We have developed technique and algorithm for recovery of probabilistic dependency models in class of mono-streams structures (subclass of Bayesian nets) from data. The «Proliferator-D» algorithm is of sub-cubic complexity and needs to execute a first-order independence tests only. The algorithm is justified by simple assumptions and is robust against data sample size. When generic model goes beyond class of mono-streams structures, the algorithm gracefully degrades to Kruskal algorithm and would infer a spanning tree model. Proposed algorithm may be easily modified to improve approximation of Bayesian nets. ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Методы обработки информации Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм Реконструкція моделі ймовірнісних залежностей за статистичними даними. Інструментарій та алгоритм Reconstruction of probabilistic dependency model from statistical data. Technique and algorithm Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм |
| spellingShingle |
Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм Балабанов, А.С. Методы обработки информации |
| title_short |
Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм |
| title_full |
Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм |
| title_fullStr |
Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм |
| title_full_unstemmed |
Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм |
| title_sort |
реконструкция модели вероятностных зависимостей по статистическим данным. инструментарий и алгоритм |
| author |
Балабанов, А.С. |
| author_facet |
Балабанов, А.С. |
| topic |
Методы обработки информации |
| topic_facet |
Методы обработки информации |
| publishDate |
2009 |
| language |
Russian |
| container_title |
Проблемы управления и информатики |
| publisher |
Інститут кібернетики ім. В.М. Глушкова НАН України |
| format |
Article |
| title_alt |
Реконструкція моделі ймовірнісних залежностей за статистичними даними. Інструментарій та алгоритм Reconstruction of probabilistic dependency model from statistical data. Technique and algorithm |
| description |
Розроблено інструментарій та алгоритм відтворення ймовірнісних моделей залежностей у класі монопотокових структур (підкласі баєсових мереж). Алгоритм «Proliferator-D» обчислювально ефективний (субкубічної складності) і виконує невелику кількість тестів умовної незалежності тільки першого рангу. Коректність алгоритму обґрунтовується простими припущеннями, емпірично робастними до обсягу вибірки даних. Коли генеративна модель виходить за рамки монопотокових структур, алгоритм плавно деградує до відомого алгоритму Крускала і виводить покриття (апроксимацію) моделі деревом. Запропонований алгоритм нескладно модифікувати з метою підвищення якості редукції (апроксимації) баєсових мереж.
We have developed technique and algorithm for recovery of probabilistic dependency models in class of mono-streams structures (subclass of Bayesian nets) from data. The «Proliferator-D» algorithm is of sub-cubic complexity and needs to execute a first-order independence tests only. The algorithm is justified by simple assumptions and is robust against data sample size. When generic model goes beyond class of mono-streams structures, the algorithm gracefully degrades to Kruskal algorithm and would infer a spanning tree model. Proposed algorithm may be easily modified to improve approximation of Bayesian nets.
|
| issn |
0572-2691 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/210628 |
| citation_txt |
Реконструкция модели вероятностных зависимостей по статистическим данным. Инструментарий и алгоритм / А.С. Балабанов // Проблемы управления и информатики. — 2009. — № 6. — С. 90-103. — Бібліогр.: 16 назв. — рос. |
| work_keys_str_mv |
AT balabanovas rekonstrukciâmodeliveroâtnostnyhzavisimosteipostatističeskimdannyminstrumentariiialgoritm AT balabanovas rekonstrukcíâmodelíimovírnísnihzaležnosteizastatističnimidanimiínstrumentaríitaalgoritm AT balabanovas reconstructionofprobabilisticdependencymodelfromstatisticaldatatechniqueandalgorithm |
| first_indexed |
2025-12-17T12:04:23Z |
| last_indexed |
2025-12-17T12:04:23Z |
| _version_ |
1851756970881581056 |