树宽有界贝叶斯网络结构学习的加速
人工智能
2021-02-08 v2 机器学习
摘要
我们提出了一种学习树宽有界贝叶斯网络（BN）结构的新方法。我们方法的关键在于局部应用精确方法（基于 MaxSAT）来改进启发式计算的 BN 的评分。该方法使我们能够将精确方法的威力——迄今为止仅适用于具有数十个随机变量的 BN——扩展到具有数千个随机变量的大型 BN。我们的实验表明，我们的方法改进了最先进启发式方法提供的 BN 的评分，且通常改进显著。
引用
@article{arxiv.2006.13843,
title = {Turbocharging Treewidth-Bounded Bayesian Network Structure Learning},
author = {Vaidyanathan P. R. and Stefan Szeider},
journal= {arXiv preprint arXiv:2006.13843},
year = {2021}
}
备注
15 pages, 4 figures, 3 tables. To be published in AAAI 2021. Updated: synced with AAAI version. Source code available at http://github.com/aditya95sriram/bn-slim