PROFET：基于数学模型的动态贝叶斯网络构建与推断
机器学习
2019-10-15 v2 机器学习
摘要
本文提出、评估并讨论了一款新的软件工具，可依据用户输入的常微分方程（ODEs）自动构建动态贝叶斯网络（DBNs）。由 ODE 模型生成的 DBN 能以原则性方式处理数据不确定性与模型不确定性。该应用名为 PROFET，可用于含噪声或缺失变量的时序数据挖掘。它能够利用以数据流形式给出的时序证据自动重新估计模型参数。对于时序推断，PROFET 包含标准固定时间步粒子滤波及其扩展——自适应时间步粒子滤波算法。自适应时间步粒子滤波使 DBN 能够自动调整其时间步长以匹配模型动态。我们通过将 PROFET 用于推断四个基准 ODE 系统的模型变量并估计其模型参数，展示了其功能。从 DBN 模型的生成到时序推断，整个过程实现自动化，并以具有完整用户界面的开源跨平台软件应用形式发布。PROFET 基于 Apache License 2.0 发布。其源代码、可执行文件与文档可在 http:://profet.it.nuigalway.ie 获取。
引用
@article{arxiv.1910.04895,
title = {PROFET: Construction and Inference of DBNs Based on Mathematical Models},
author = {Hamda Ajmal and Michael Madden and Catherine Enright},
journal= {arXiv preprint arXiv:1910.04895},
year = {2019}
}
备注
9 pages. In Proceedings of the 14th UAI Bayesian Modelling Applications Workshop (BMAW 2017), co-located with the 33rd Conference on Uncertainty in Artificial Intelligence (UAI 2017) Sydney, Australia, 2017