.png){kind=icon}
返回
Chain graph structure learning based on minimal c-separation trees
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijar.2024.109298.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
链图是描述条件独立性信息的一类综合图形模型，包括马尔可夫网络和贝叶斯网络作为特定实例。本文基于分而治之的思想，提出了一种链图结构学习的计算可行算法，将学习问题分解为其分解子图上的一组最小尺度问题。为此，我们提出了链图中的最小c分离树的概念，并提供了一种生成它们的机制，在此基础上，我们使用分治技术进行结构学习。在各种设置下的实验研究表明，所提出的针对链图的结构学习算法通常优于现有方法。这项工作的代码可以在https:// github上找到。com /luyaoTan /mtlc。
Keyword:
Chain graph
Minimal c-separation tree
Minimal triangulated graph
Moral graph
Structure learning
期刊
IF:
3
论文数:
3.0K
被引数:
5.1K
机构
引用论文
.png){kind=icon}
分享收藏Improving algorithms for structure learning in Bayesian Networks using a new implicit score使用新的隐式分数改进贝叶斯网络中的结构学习算法
PREAI
分享收藏
查看更多内容