Dec, 2022

高速并行贝叶斯网络结构学习

PDF
TL;DR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。
bayesian networksstructure learningmulti-core cpusefficiency optimizationconditional independence tests
发现论文，激发创造
  • 贝叶斯网络的快速并行精确推断：海报

    提出了一种基于多核 CPU 的快速贝叶斯网络准确推理解决方案 Fast-BNI，通过混合粗粒度和细粒度并行技术增强准确推理的效率，并进一步简化瓶颈操作。

    Dec, 2022

  • 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

  • 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

  • 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

  • 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

  • 高维贝叶斯网络结构学习的并行抽样

    该研究论文介绍了一种使用候选父集进行并行采样的近似算法，可以被视为高维数据结构学习的现有算法（MINOBS）的扩展，命名为并行采样 MINOBS (PS-MINOBS)。实验结果表明，与有运行时间限制的 MINOBS 相比，该算法在大多数情况下发现了更高分数的结构。

    Feb, 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

  • 大规模动态贝叶斯网络结构学习的分而治之策略

    通过引入一种新颖的分而治之策略并将其应用于大规模动态贝叶斯网络结构学习，本论文在提高可伸缩性和准确性方面取得了重要突破，显著提升了计算效率和结构学习准确性。

    Dec, 2023

  • 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

  • BN-NAS：带有批标准化的神经架构搜索

    本研究提出了使用批量归一化的神经架构搜索 BN-NAS 算法，通过训练 BN 参数加速神经架构搜索，实验证明该算法可以显著缩短训练时间和运行时间。

    Aug, 2021