La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Learning Bayesian Belief Networks Based on the MDL Principle: An Efficient Algorithm Using the Branch and Bound Technique Apprentissage des réseaux de croyances bayésiennes basés sur le principe MDL : un algorithme efficace utilisant la technique de branchement et de liaison

Joe SUZUKI

  • Vues en texte intégral

    0

  • Citer

Résumé:

Dans cet article, le problème informatique lié au problème de l'apprentissage des réseaux de croyances bayésiens (BBN) basés sur le principe de longueur minimale de description (MDL) est abordé. Sur la base d'une formule asymptotique de longueur de description, nous appliquons la technique de branchement et de liaison pour trouver de véritables structures de réseau. L'algorithme de recherche résultant économise considérablement le calcul tout en recherchant avec succès la structure du réseau avec la valeur minimale de la formule. Jusqu'à présent, il n'y a pas eu d'algorithme de recherche qui trouve la solution optimale pour des exemples de taille pratique et un ensemble de structures de réseau dans le sens de la probabilité a posteriori maximale, et les recherches heuristiques telles que K2 et K3 piègent les optima locaux en raison de la glouton nature même lorsque la taille de l’échantillon est grande. L'algorithme proposé, puisqu'il minimise la longueur de la description, sélectionne finalement la véritable structure du réseau lorsque la taille de l'échantillon tend vers l'infini.

Publication
IEICE TRANSACTIONS on Information Vol.E82-D No.2 pp.356-367
Date de publication
1999/02/25
Publicisé
ISSN en ligne
DOI
Type de manuscrit
PAPER
Catégories
Algorithme et complexité informatique

Auteurs

Mots-clés

Table des matières