Формирование оценочных функций для решения задачи построения направленной динамической байесовской сети
Автор: Полухин Павел Валерьевич
Рубрика: Информатика и вычислительная техника
Статья в выпуске: 4, 2023 года.
Бесплатный доступ
Формирование и описание оценочных функций является важной задачей определения необходимых и достаточных условий существования направленности связей между узлами байесовской сети. Применение оценочных функций различного типа позволяет оптимизировать процедуру обучения сети и определить ту функцию, которая наиболее адаптирована для конкретной сети с фиксированным набором обучающей выборки. В работе рассматриваются оценочные функции, построенные на основе логарифма правдоподобия, взаимной энтропии, а также асимптотической метрики Байеса - Дирихле. Данные функции широко применяются в процессе решения задач обучения структуры вероятностных моделей и могут быть адаптированы для определения направленности связей между узлами временных моделей, построенных на основе динамических байесовских сетей.
Взаимная информация, направленный ациклический граф, байесовская сеть, метрика байеса - дирихле, гамма-функция
Короткий адрес: https://sciup.org/148327411
IDR: 148327411 | DOI: 10.18137/RNU.V9187.23.04.P.139
Список литературы Формирование оценочных функций для решения задачи построения направленной динамической байесовской сети
- Koller D., Friedman N. Probabilistic graphical models: Principles and Techniques. Cambridge: MIT Press, 2009. 1270 p. ISBN: 978-0-262-25835-7
- Korb K.B., Nicholson A.E. Bayesian Artificial Intelligence. Boca Raton, London New York, Washington, D.C.: Chapman & Hall/CRC Press LLC, 2004. 491 p.
- Сироткин А.В. Байесовские сети доверия: дерево сочленений и его вероятностная семантика // Труды СПИИРАН. 2006. Т. 1. № 3. С. 228-239. EDN: NCKIFL
- Chickering D.M. A Transformational Characterization of Equivalent Bayesian Network Structures. Proceedings of the Eleventh Conference on Uncertainty in Artificial Intelligence (UAI1995). N.Y.: Morgan Kaufman, 1995. P. 87-98. DOI: 10.48550/arXiv.1302.4938
- Chickering D. Optimal Structure Identification with Greedy Search // Journal of Machine Learning Research. 2002. No. 3. P. 507-554. URL: https://www.jmlr.org/papers/volume3/chickering02b/chickering02b.pdf (дата обращения: 11.10.2023).
- Полухин П.В. Разработка параллельных алгоритмов обучения вероятностных моделей тестирования веб-приложений // Интеллектуальные системы в производстве. 2022. Т. 20. № 3. С. 94-103. DOI: 10.22213/2410-9304-2022-3-94-103 EDN: GPVRDF
- Фильченков А.А. Алгоритм построения множества минимальных графов смежности при помощи клик владений // Труды СПИИРАН. 2010. № 2 (13). С. 67-86. EDN: NCNPXN
- Murphy K.P. Machine learning: A probabilistic perspective. Massachusetts: MIT Press, 2012. 1067 p. ISBN: 0-262-01802-0
- Kullbak S., Leibler R.A. Information and Sufficiency // The Annals of Mathematical Statistics. 1951. Vol. 22. No. 1. P. 79-86. DOI: 10.1214/aoms/1177729694
- Lewis F.L., Lihua Xie, Popa D. (2008) Optimal and robast estimation: With an Introduction to Stochastic Control Theory. 2nd edition. Taylor & Francis. 523 p.
