从不完整数据学习分阶段树
系统与控制
2024-05-29 v1 系统与控制
摘要
分阶段树是能够通过对顶点着色来表示任何非对称独立性的概率图模型。已定义并实现了几种结构学习程序，用于在频率主义或贝叶斯范式下从数据学习分阶段树。它们假设数据集完全观察到，在实践中，缺失条目的观察要么被丢弃，要么在学习模型之前进行插补。本文引入了首个能够在模型学习期间处理缺失数据的算法。为此，我们对在缺失数据存在下的分阶段树模型似然进行了表征，并讨论了用于近似它的伪似然。还实现并评估了一个直接从完整似然估计模型的结构期望最大化算法。一个计算实验展示了新型学习算法的性能，表明在学习分阶段树时，有feasibility考虑不同的缺失模式。
引用
@article{arxiv.2405.18305,
title = {Volt-PF Control Mode for Distribution Feeder Voltage Management Under High Penetration of Distributed Energy Resources},
author = {Madhura Sondharangalla and Dan Moldovan and Raja Ayyanar},
journal= {arXiv preprint arXiv:2405.18305},
year = {2024}
}