Jun, 2014

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

PDF
TL;DR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。
bayesian networksstructure learningoptimisationparallelisationconstraint-based algorithms
发现论文，激发创造
  • 使用 bnlearn R 套件学习贝叶斯网络

    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。

    Aug, 2009

  • 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

  • 贝叶斯网络的高效可扩展结构学习：算法与应用

    提出了一种新的结构学习算法 LEAST，通过优化一个连续的约束优化问题，并基于图的谱半径提出了新的可微的约束函数，该算法在精度、效率和可扩展性方面都具有很高的表现，比现有方法快 1 到 2 个数量级，并可扩展到具有数十万个变量的 BN，LEAST 已在阿里巴巴的 20 多个应用程序中得到具体应用，包括近实时的异常检测和根因错误分析系统、大规模基因表达数据分析和可解释的推荐系统等新领域。

    Dec, 2020

  • 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

  • 存在结构侧信息条件下的贝叶斯网络学习

    本研究开发了一种递归约束算法，能够高效地将结构性边缘信息引入学习贝叶斯网络 (BN) 的过程，并提供了该算法的理论保证，进一步表明有界树宽 BN 可以在不增加复杂度的情况下学习。

    Dec, 2021

  • 使用贪心搜索从大数据中学习贝叶斯网络：计算复杂度和高效实现

    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

  • 贝叶斯网络的高效抽样和结构学习

    提出了一种新颖的混合方法，将基于约束和 MCMC 算法的两个领域结合起来，以高效地学习贝叶斯网络的有向无环图结构，并能对后验分布进行采样，从而实现全贝叶斯模型平均。

    Mar, 2018

  • SparsityBoost: 一种新的评分函数用于学习贝叶斯网络结构

    本文提出了一种新的一致性结构学习评分函数，与传统方法相比，该评分函数具有数据相关性且随着数据量的增加而变得更易于最大化，使用线性规划松弛方法时效果特别好，可学习与生成分布接近且没有错误边的结构。

    Sep, 2013

  • 基于排序搜索：一种用于学习贝叶斯网络的简单有效算法

    本篇论文介绍了一种基于有界入度的节点排序的图搜索算法，以解决根据数据学习贝叶斯网络结构的问题，实验结果表明该算法在得分和运行时间方面优于贪婪爬山法。

    Jul, 2012

  • 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