Штучний інтелект

Анотація: У статті запропонований огляд методів побудови (навчання) структури мереж Байєса. Показано, що на сьогодні існує безліч методів структурного навчання МБ та критеріїв оптимізації, які можна використати при їх побудові. Тому вибір методу навчання структури мережі повинен ґрунтуватись на докладному поглибленому аналізі задачі, яка розв’язується за допомогою мережі, та можливості отримання достовірних експертних і статистичних даних.

Ключові слова:

Посилання:

1. Методы и модели анализа данных OLAP и Data Mining / [А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод]. – СПб : БВХ-Петербург, 2004. – 336 с.
2. Чубукова И.А. Data Mining / Чубукова И. А. – М. : Бином ЛБЗ, 2008. – 384 с.
3. Spirtes P. Causation, prediction and search / P. Spirtes, C. Glymour and R. Scheines // Adaptive computation and machine learning, MIT press. – January 2001. – 565 p.
4. Jouffe L. New search strategies for learning Bayesian networks / Jouffe L. and Munteanu P. // Proc. of tenthinternational symposium on applied stochastic models and data analysis (ASMDA 2001). – Compiegne(France). 12 – 15 June 2001. – Vol. 2. – P. 591-596.
5. Spirtes P. Heuristic greedy search algorithms for latent variable models / P. Spirtes, T. Richardson andC. Meek // Proc. of artificial intelligence and sta структурний алгоритм максимізації математичногоочікування tistics (AI & Statistics 1997), Fort Lauderdale (Florida). – 1997. – P. 481-488.
6. Verma T. Equivalence and synthesis of causal models / T. Verma and J. Pearl // Proc. of the sixth international conference on Uncertainty in Artificial Intelligence (UAI’90), Cambridge, Massachusetts, (USA),27 – 29 July, 1990. – NY. : Elsevier science, 1991. – P. 255-270.
7. Sebastiani P. Bayesian inference with missing data using bound and collapse / P. Sebastiani and M. Ramoni // Journal of Computational and Graphical Statistics. – 2000. – Vol. 9, № 4. – P. 779-800.
8. Dempster A.P. Maximum likelihood from incomplete data via the EM algorithm / A.P. Dempster, N.M. Lairdand D.B. Rubin // Journal of the Royal Statistical Society. – 1977. – Vol. 39, № 1. – P. 1-38.
9. Friedman N. The Bayesian structural EM algorithm / Friedman N. // Fourteenth conference on Uncertainty in Artificial Intelligence (UAI’98), Madison, Wisconsin, (USA), 24 – 26 July, 1998. – SF. : MorganKaufmann, 1998. – P. 129-138.
10. Zhang Z. Surrogate maximization (minimization) algorithms for AdaBoost and the logistic regressionmodel / Z. Zhang, J. Kwok and D. Yeung // Proc. of the twenty-first international conference on machinelearning (ICML 2004). – 2004. – 117 p.