Застосування байєсівських мереж в системах аналізу даних

• Опубліковано в: : Екологічна безпека та природокористування
• Дата: 2011
• Автори: Бідюк, П.І., Трофимчук, О.М., Савенков, О.І.
• Формат: Стаття
• Мова: Ukrainian
• Опубліковано: Інститут телекомунікацій і глобального інформаційного простору НАН України 2011
• Теми: Науково-технологічна безпека та інтелектуальні ресурси
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/58211
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Застосування байєсівських мереж в системах аналізу даних / П.І. Бідюк, О.М. Трофимчук, О.І. Савенков // Екологічна безпека та природокористування: Зб. наук. пр. — К., 2011. — Вип. 8. — С. 191-212. — Бібліогр.: 39 назв. — укр.

Запропоновано огляд методів побудови (навчання) структури мереж Байєса. Показано, що на сьогодні існує множина методів структурного навчання МБ та критеріїв оптимізації, які можна використати при їх побудові. Тому вибір методу навчання структури мережі повинен ґрунтуватись на докладному поглибленому аналізі задачі, яка розв’язується за допомогою мережі, та можливості отримання достовірних експертних і статистичних даних. Наведено практичний приклад застосування БМ. Предложен обзор методов построения (обучения) структуры сетей Байеса (СБ). Показано, что на сегодня существует множество методов структурного обучения СБ и критериев оптимизации, которые можно использовать при их построении. Поэтому выбор метода обучения структуры сети должен базироваться на углубленном анализе задачи, которая решается с помощью сети, и возможности получения достоверных экспертных и статистических данных. Приведен практический пример использования БС. A review is proposed of structural learning for Bayesian networks (BN). It is shown that today exists a wide set of structural learning methods for BN as well as optimization criteria that could be used for learning. That is why the selection of a learning method should be based on profound analysis of the problem to be solved by BN and the possibility of obtaining truthful expert and statistical data. A practical example of Bayesian network application is given.