Jul, 2012

连续时间贝叶斯网络的期望最大化与复杂持续时间分布

PDF
TL;DR本文研究了基于连续时间贝叶斯网络（CTBNs）的参数学习和结构学习方法， 提出了一种基于相位分布的扩展方法，可以更好地逼近时长分布的实现， 经实验结果表明，该算法可以在部分观测数据中学习出合理的结构和参数，并在人们寿命的真实数据集上比 DBN 算法表现更好。
continuous time bayesian networksparameter learningstructure learningexpectation maximizationphase distributions
发现论文，激发创造
  • 带时钟的连续时间贝叶斯网络

    本文提出一种基于时钟机制的连续时间贝叶斯网络模型，实现了对指数存活时间约束的突破，从而改善了概率计算效率，并通过基因调节网络的数据集进行了实验验证。

    Jul, 2020

  • 学习连续时间贝叶斯网络

    本文介绍了一个针对连续时间贝叶斯网络（CTBNs）的参数和结构学习方法，提出一种共轭先验用于贝叶斯参数估计和贝叶斯结构学习评分，CTBNs 可以更好地适应不同变量演化的时间粒度，相较于动态贝叶斯网络有着很大的优势。

    Oct, 2012

  • 连续时间贝叶斯网络

    本文提出了一个描述连续时间的结构化随机过程的有限状态连续时间贝叶斯网络（CTBNs）的语言，将状态分解成一组本地变量，其行为由其在有向图中的父级的函数描述，模型以任何给定时间点确定本地变量更改其值和其取下一个值的分布，提供了一个概率语义和近似推断算法。

    Dec, 2012

  • 聚类变分近似用于不完整数据下连续时间贝叶斯网络结构学习

    本论文提出了一种新的基于簇变分方法的连续时间贝叶斯网络近似算法，用于从不完整和嘈杂的时间序列数据中直接学习网络结构，并在可扩展性方面优于现有的方法。

    Sep, 2018

  • 通过干预主动学习连续时间贝叶斯网络

    本文提出一种基于变分近似的实验设计新准则，用于从时域数据中学习连续时间贝叶斯网络 (CTBN) 的结构和参数，通过求解 CTBN 的 Master 方程取代对实验结果的采样以缓解高维度实验中的计算负担，并将模型扩展到条件 CTBN 以更好地处理干预序列推荐等问题。

    May, 2021

  • 利用连续时间贝叶斯网络分析级联的复杂系统

    基于连续时间贝叶斯网络的建模框架用于分析复杂系统中的级联行为，识别可能导致级联行为的潜在哨兵状态，并提供塑料的图形表示和可解释的结果。

    Aug, 2023

  • 贝叶斯结构 EM 算法

    本文介绍了一种使用名为结构 EM 的算法进行贝叶斯模型学习的方法，该算法可以有效地从不完整数据中学习信念网络的结构，并可用于学习各种概率模型，包括贝叶斯网络和其变体。

    Jan, 2013

  • BCD 网络：用于贝叶斯因果发现的可扩展变分方法

    本文提出了 Bayesian Causal Discovery Nets (BCD Nets)，它是一个用于估计线性 - Gaussian SEM 中描述一个 DAG 的概率分布的变分推理框架。本框架采用了连续松弛，适当的先验分布以及表达力强的变分族等重要设计，旨在解决实际情况下对潜在图进行的不确定性估计问题。最终实验表明，与基于最大似然的方法相比，BCD Nets 在低数据环境下的结构 Hamming 距离等标准因果分析评估指标上表现更好。

    Dec, 2021

  • 连续时间贝叶斯网络的均场变分近似

    本文介绍了一种基于 Markov 过程的 mean field variational approximation 方法，用于近似描述 Continuous-time Bayesian networks 中的概率分布，并提供了较好的推断和学习效果。

    May, 2012

  • 贝叶斯网络中循环的基础

    本文提出基于约束和限制两种语义的循环贝叶斯网络的研究，并证明这两种语义可以通过马尔可夫链构造来计算。

    Jan, 2023