在具有递归嵌入伪独立子模型的领域中学习信念网络
人工智能
2013-02-08 v1 机器学习
摘要
伪独立（PI）模型是一种概率域模型（PDM），其中一组集体依赖变量的适当子集表现出边缘独立性。许多依赖单链接搜索的算法无法正确学习 PI 模型。早期关于学习 PI 模型的工作提出了一种直接的多链接搜索算法。然而，当一个领域包含递归嵌入的 PI 子模型时，此类算法可能无法检测到它们。在本文中，我们提出了一种改进的算法，确保能够学习所有规模受预定参数上限约束的嵌入 PI 子模型。我们表明，这种增强的学习能力仅使复杂度略高于先前的算法。实验证明了新算法的性能。
引用
@article{arxiv.1302.1549,
title = {Learning Belief Networks in Domains with Recursively Embedded Pseudo Independent Submodels},
author = {Jun Hu and Yang Xiang},
journal= {arXiv preprint arXiv:1302.1549},
year = {2013}
}
备注
Appears in Proceedings of the Thirteenth Conference on Uncertainty in Artificial Intelligence (UAI1997)