关键词context-specific independence
搜索结果 - 5
- 通过神经网络环境分解实现对连续变量的局部独立性发现
通过建模条件分布,本文提出了一种名为神经上下文分解(NCD)的方法,用于发现系统中多个上下文集特定独立性关系,并通过在合成数据集和反映现实世界物理动力学的复杂系统中的实证演示,成功地发现了真实的局部独立性关系。
- 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 - 特定背景下的因果模仿关系独立性
本文探讨了在知晓 CSI 关系的前提下,因果模仿学习的可能性和实现的算法。文中证明,CSI 关系下的模仿学习的可行性是 NP 难的,同时提出了一种结构假设下因果模仿学习的必要图形标准,并证明了这个标准是充分的。最后,提出了一种考虑 CSI - 贝叶斯网络中的特定背景独立性
本文提出了一种形式化的特定背景下独立性的概念,可用于树形概率表的定量表示,并探讨了如何运用它来支持有效的推理算法。
- 学习算术电路
通过在代价函数中加入推理代价的惩罚项,我们提出了使用算术电路进行学习的方法来构建可计算的、具有背景依赖独立性的贝叶斯网络,实验表明我们的算法能够在极短的时间内学习出大量具有可追溯的模型和比标准贝叶斯网络更准确的预测。