基于排序搜索:一种用于学习贝叶斯网络的简单有效算法
本文介绍了一种基于动态规划的贝叶斯网络求解算法,支持高维度数据、连续和分类数据、以及 <a href='Ovarian Cancer'> 卵巢癌 </a> 基因表达数据的准确建模,算法效率高且容易扩展。
Jul, 2022
本研究探讨了大数据环境下的贝叶斯网络结构学习问题,提出了使用预测性好坏拟合评分来加速贝叶斯网络学习的方法,并在环境和流行病学数据以及公共数据集上验证了其准确性。
Apr, 2018
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
本文提出了一种基于拓扑序的混合整数规划模型与迭代算法,来解决带有有向图中非循环约束的优化问题。模型具有较少的约束条件且使用了梯度下降和迭代重新排序等方法。该方法在高斯贝叶斯网络学习问题中进行了计算实验,用于在生物信息学中推断基因网络
Jan, 2017
本文研究从数据中学习离散变量贝叶斯网络的算法的复杂度结果,结果表明即使具有独立性、推理或信息神谕,识别高得分的结构也很困难,负面结果也适用于每个节点最多有 K 个父母的离散变量贝叶斯网络,其中 k > 3。
Oct, 2012
通过该论文,我们证明了学习最佳贝叶斯网络结构是具有可行性的,我们提出了一种比现有技术更简单和更高效的算法来对超过 30 个变量的网络进行学习,可以进行易于并行化且提供有效探测不同变量排序一致的最佳网络的可能性。
Jun, 2012
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
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