Aug, 2009

使用 bnlearn R 套件学习贝叶斯网络

PDF
TL;DR该研究使用 R 语言中的 bnlearn 包，提供了多种基于约束条件和评分的算法用于离散或连续变量的贝叶斯网络结构学习，并使用 snow 包提供的并行计算功能提高学习性能。同时，为学习算法和独立使用提供了多种网络得分和条件独立算法。此外，借助于 Rgraphviz 包还提供了高级绘图选项。
发现论文，激发创造
  • 基于约束的贝叶斯网络结构学习算法：在 bnlearn R 包中的并行和优化实现

    本文介绍了如何使用并行化算法代替单处理器机器上基于回溯算法的 Bayesian 网络结构学习，以提高效率和稳定性。同时，利用该框架，以及 4 个参考网络和 2 个现实中的数据集，演示了约束性算法的实现性能。

    Jun, 2014

  • 递归贝叶斯网络：概括和统一概率无上下文文法和动态贝叶斯网络

    本文提出了递归贝叶斯网络 (RBNs)，它是概率上下文无关文法和动态贝叶斯网络的扩展和统一，将它们的优点结合在一起作为特殊情况，定义了一个关于离散或连续潜在变量的树形结构贝叶斯网络的联合分布，同时解决了潜在变量为连续的情况下的结构和连续变量推断的挑战。

    Nov, 2021

  • 使用 Tsetlin 机从数据中生成贝叶斯网络模型

    本文提出了一种初步的探索网络结构的方法，该方法利用了 Tsetlin Machines 进行 Bayesian Networks 建模并处理相关性和因果关系。

    May, 2023

  • BigBraveBN: 具有大量节点的贝叶斯网络结构学习算法

    本文介绍了一种名为 “BigBraveBN” 的高效算法，该算法利用了勇敢系数、互信息度量和最近邻方法，用于学习大型 Bayesian Networks 的结构，并在实验中证明了其效率。

    Aug, 2022

  • 贝叶斯网络学习教程

    本文探讨了贝叶斯网络的构建方法，阐述了利用数据构建模型的统计方法，以及学习贝叶斯网络参数和结构的技术，最终通过一个实例来论证了贝叶斯网络在实际中的应用。

    Feb, 2020

  • 高速并行贝叶斯网络结构学习

    本文提出了一种基于多核 CPU 的快速解决方案 Fast-BNS，用于加速贝叶斯网络结构学习，通过动态工作池设计、CI 测试分组、缓存友好数据存储和实时生成条件集等优化措施，实现了对处理时间和内存使用的有效控制，并在综合实验研究中证明了其相对于当前多线程技术的显著加速效果。

    Dec, 2022

  • 在最优因子范围内找到所有贝叶斯网络结构

    提出了一种基于近似算法的模型平均方法，该方法仅考虑可靠的模型且能在数据量较大的情况下高效地进行比较。

    Nov, 2018

  • 高斯网路学习

    该研究文章探讨了如何从用户知识和统计数据中学习贝叶斯网络，提出了一种得分度量和搜索程序，并通过从单个先验贝叶斯网络构建先验概率分布，识别出两个重要的假设（事件等价性和参数模块化），为连续变量或离散和连续变量混合的领域开发分数度量方法。

    Feb, 2013

  • 快速高效从数据中学习贝叶斯网络：知识发现与因果关系

    基于 PC 算法的 FSBN 和 SSBN 算法使用局部搜索策略和条件独立性测试从数据中学习因果网络结构，通过引入 d - 分离来推断更多的拓扑信息，优先级调整条件集，并且能够立即和高效地终止搜索，从而实现了高达 52%（FSBN）和 72%（SSBN）的计算成本降低，对于 200 个节点的网络 SSBN 表现出更高的效率，实验证明这两个算法在减少计算成本的同时能够保持与 PC 算法相同的归纳质量，适用于大数据分析的各种应用。

    Oct, 2023

  • 从数据中学习动态贝叶斯网络：基础，原理和数值比较

    本文简要介绍了学习动态贝叶斯网络（DBNs）的基本原理及其在变量分布、学习方法和优化方面的应用。

    Jun, 2024