A REVIEW ON BAYESIAN STRUCTURE LEARNING IN GAUSSIAN GRAPHICAL MODELS
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_070
- زبان مقاله: انگلیسی
- تعداد مشاهده: 219
نویسندگان
Department of Statistics, Faculty of Intelligent Systems Engineering and Data Science, Persian Gulf University, Bushehr, Iran
Department of Operation Management, Amsterdam Business School, Amsterdam, Noord-Hollan, Netherlands
چکیده
An accurate understanding of complicated relations among numerous variables isof significant importance in science. One attractive procedure to this task is Gaussian graphicalmodels (GGMs), which lately many improvements have been carried out on it. GGMs describethe conditional independence among variables by means of the presence or absence of edges inthe related graph. In this paper, we recap a Bayesian method for structure learning of GGMsbased on the Birth-Death MCMC (BDMCMC) algorithm. We show the application of thismethod on a simulated dataset.کلیدواژه ها
Bayesian structure learning, Gaussian graphical models, Birth-Death Markov chain Monte Carloمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.