bayesian networks | BriefGPT

关键词bayesian networks

搜索结果 - 127

增强知识学习路径的可解释性：因果知识网络
建立可靠的知识结构是构建有效的自适应学习系统和智能辅导系统的前提。在追求可解释和可信赖的知识结构的基础上，我们提出了一种构建因果关系知识网络的方法。该方法利用贝叶斯网络作为基础，并结合因果关系分析来推导因果网络。此外，我们介绍了一种基于该框
PDF7 days ago
ExDAG: 精确学习有向无环图
近年来对因果学习的兴趣逐渐增加。常用的因果结构表示方法，包括贝叶斯网络和结构方程模型（SEM），采用有向无环图（DAG）形式。我们提供了一种新颖的混合整数二次规划表达和相关算法，用于识别可识别的 50 个顶点的 DAGs。我们称之为 ExD
PDF11 days ago
CVPR基于不确定性驱动的主动建图的神经可见度场
本文提出神经显性场（NVF），这是一种用于应用于主动映射的神经辐射场（NeRF）的新型不确定性量化方法。通过使用贝叶斯网络将基于位置的场不确定性组合到基于光线的相机观测不确定性中，NVF 自然地将更高的不确定性分配给未观察到的区域，帮助机器
PDF21 days ago
具上下文特定的贝叶斯网络分类器的改进
使用贝叶斯网络的生成分类器扩展了 TAN 和其他类型的分类器，研究了它们与贝叶斯网络之间的关系，并通过数据驱动的学习方法提高了分类准确率。
PDFa month ago
基于因果关系的驾驶场景转移到未知交叉口
通过利用贝叶斯网络分析各个参数的关系，本文提出了一种系统的方法来降低对数据的需求量，并在未观测到的交叉口生成真实的场景，以此评估自动驾驶功能的场景测试。
PDF3 months ago
使用贝叶斯网络对表格数据和文本进行临床推理
本文比较和讨论了增强贝叶斯网络与神经文本表示的策略，既在生成性方式又在判别性方式上，在临床推理和模拟结果等方面进行了讨论和实证。
PDF4 months ago
学习使用 GOMEA 的离散贝叶斯网络
从可解释人工智能的角度出发，本论文扩展了基于 Gene-pool Optimal Mixing Evolutionary Algorithm（GOMEA）的最新结构学习方法，用于联合学习变量的离散化。提出的离散贝叶斯网络 GOMEA（DBN
PDF4 months ago
联邦贝叶斯网络集成
我们探讨了联邦集成贝叶斯网络在一系列实验中的应用，与本地训练模型和使用 VertiBayes 进行训练的模型进行了性能比较，结果表明 FBNE 在绝大多数情况下优于本地模型，在保持类似性能的同时显著提高了训练速度，是联邦学习工具箱中潜在有用
PDF4 months ago
强化学习的信息理论状态变量选择
在本论文中，我们介绍了一种用于强化学习（RL）的信息论准则 Transfer Entropy Redundancy Criterion (TERC)，该准则确定了训练过程中是否从状态变量到动作变量传递了信息熵。基于 TERC 的算法能够排除
PDF5 months ago
贝叶斯网络的熵和库尔巴克 - 莱布勒散度：计算复杂度与高效实现
本研究提供了针对贝叶斯网络的计算机算法，通过利用网络的图形结构，将 Shannon 熵和 Kullback-Leibler 散度的计算复杂度从三次降低到二次，并提供了完整的数值示例。
PDF7 months ago
离散贝叶斯网络的分布鲁棒骨架学习
从有可能被破坏数据中学习普通离散贝叶斯网络的确切骨架的问题，我们建立在分布鲁棒优化和回归方法基础上，提出通过在有界 Wasserstein 距离或 KL 散度内的一族分布上最小化最不利风险来进行优化。该最坏情况风险考虑了异常值的影响。该方法
PDF8 months ago
结构化神经网络用于密度估计和因果推断
通过在神经网络中引入结构，StrNN 通过遮蔽路径在神经网络中注入结构，利用结构化神经网络可以实现数据高效生成建模和因果效应估计的流动性。
PDF8 months ago
透明信息瓶颈下的解耦表示学习
通过传递信息的贝叶斯网络，我们引入了 DisTIB（传递信息瓶颈）作为一种导航信息压缩和保留之间平衡的新目标，通过可变推理和重参数化技巧获得了可优化的估计，实验证明其能够实现最优的解缠效果。
PDF8 months ago
利用概念漂移解释方法对水配管网络中的小泄漏进行定位
面对气候变化，饮用水的已经有限的可用性将来会减少，从而使得饮用水资源日益稀缺。大量的饮用水通过水运输和分配网络的泄漏而丢失。泄漏检测和定位是一项具有挑战性的问题，由于水配送网络中复杂的相互作用和需求的变化。尤其是小泄漏很难确定，但是它们的定
PDF8 months ago
赋能强化学习智能体的因果分析框架：提升自动加密货币交易
本研究旨在通过开发基于强化学习的自动化交易系统来应对加密货币市场中不断演进的挑战。通过使用因果分析增强强化学习代理的能力，我们设计了 CausalReinforceNet 框架作为交易系统的基础架构，利用贝叶斯网络在特征工程过程中识别对加密
PDF9 months ago
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
PDF9 months ago
基于贝叶斯网络的可解释交通事件分析
本文提出了一种基于贝叶斯网络的可解释框架，用于交通事故预测，从而解决了现有的基于机器学习的交通事故分析方法缺乏可解释性的问题。通过构建数据集的流程，将交通数据导入该框架，同时保留了关键的交通数据信息。通过一个具体的案例研究，我们的框架可以从
PDF9 months ago
使用马尔科夫边界引导剪枝学习极简特斯林机器子句
本文提出了一种新的 Tsetlin Machine (TM) 反馈机制，引入了一个上下文特定独立自动机，该自动机学习目标变量 Markov 边界之外的特征，从而在学习过程中将它们从 TM 中剪枝，通过实证研究展示了该机制如何利用上下文特定独
PDF10 months ago
利用混合效应模型和分层聚类学习具有异质农学数据集的贝叶斯网络
通过将随机效应引入贝叶斯网络学习，该研究提出了一种新的方法，可以增强结构学习并改进模型规范，从而应用于复杂的农学数据集结构，提高决策支持工具的价值。
PDFa year ago
通过高阶 HSIC 以递增的信息学习非参数 DAGs
通过确定一组父节点的可识别性条件，本文提出了一种基于最优调整算法的学习贝叶斯网络的方法，使用 Hilbert-Schmidt 独立性准则进行优化问题，证明了高阶 HSIC 的增量属性，实验证明该算法在不同合成数据集和实际数据集上优于现有方法
PDFa year ago