یادگیری ساختاری شبکه بیزی با به کارگیری پوشش مارکوفی در الگوریتم K۲
محل انتشار: دوفصلنامه اندیشه آماری، دوره: 21، شماره: 1
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 101
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISS-21-1_001
تاریخ نمایه سازی: 23 شهریور 1401
چکیده مقاله:
شبکه های بیزی، مدل های گرافیکی احتمالی هستند که رابطه علت و معلولی بین متغیرها را تعیین می کنند و شامل یادگیری ساختاری و یادگیری پارامتری می باشند. الگوریتم K۲ یکی از بهترین روش های یادگیری ساختار در شبکه های بیزی برای متغیرهای گسسته است. کارایی الگوریتم K۲، به شدت تحت تاثیر ترتیب متغیرهای ورودی است. بنا بر این برای رسیدن به گراف دقیقی که توصیف کننده داده ها باشد، یافتن الگوریتمی که ترتیب دقیق تری از عناصر به عنوان ورودی ۲K ارائه کند، مورد نیاز است. در این مقاله، نخست با استفاده از روش افزایشی-کاهشی، پوشش مارکوفی هر متغیر را یافته، سپس بر اساس فراوانی های شرطی و استفاده از تابع چگالی احتمال دیریکله، از بین پوشش مارکوفی هر متغیر، والدین احتمالی آن متغیر انتخاب می شوند. مجموعه والدین انتخابی هر راس به عنوان ورودی الگوریتم K۲ مورد استفاده قرار می گیرد و شبکه بیزی به دست می آید. نتایج حاصل از اعمال الگوریتم پیشنهادی بر روی چند مجموعه داده معیار و مقایسه آن با روش های دیگر، نشان می دهد که الگوریتم پیشنهادی بسیار کاراتر از سایر روش ها است.
کلیدواژه ها:
نویسندگان
وحید رضایی تبار
Allame Tabataba'i university
سلوا سلیمی
Kharazmi university
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :