Формирование минимальных d-сепараторов в системе зависимостей

Виходячи з критерію d-сепарації та ациклічності орграфу моделі, виведено низку правил, які допомагають знаходити мінімальні d-сепаратори в АОГ-моделях залежностей. Правила дозволяють прискорено ідентифікувати наявність або відсутність ребер моделі. При цьому правила використовують тільки безумовну н...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Кибернетика и системный анализ
Datum:2009
1. Verfasser: Балабанов, А.С.
Format: Artikel
Sprache:Russian
Veröffentlicht: Інститут кібернетики ім. В.М. Глушкова НАН України 2009
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/44399
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:Формирование минимальных d-сепараторов в системе зависимостей / А.С. Балабанов // Кибернетика и системный анализ. — 2009. — № 5. — С. 38-50. — Бібліогр.: 13 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:Виходячи з критерію d-сепарації та ациклічності орграфу моделі, виведено низку правил, які допомагають знаходити мінімальні d-сепаратори в АОГ-моделях залежностей. Правила дозволяють прискорено ідентифікувати наявність або відсутність ребер моделі. При цьому правила використовують тільки безумовну незалежність та умовну незалежність першого рангу. Сформульовано версії припущення каузальної неоманливості, які обґрунтовують застосування цих правил для виведення скелету моделі зі статистичних даних. Rules for efficiently finding minimal d-separating sets in DAG dependency models are inferred from the criterion of d-separation and acyclic property of digraph. The rules allow one to acceleratedly identify the presence or absence of edges in a model. These rules use only unconditional independencies and conditional independencies of rank one. Versions of the causal faithfulness assumption are formulated that justify the use of these rules in inferring the skeleton of a model from statistical data.
ISSN:0023-1274