Resumen

Aprender la estructura de red bayesiana (BN) a partir de datos es un problema típico NP-duro. Pero casi todos los algoritmos existentes tienen una complejidad muy alta cuando el número de variables es grande. Para resolver este problema, presentamos un algoritmo que integra un enfoque basado en descomposición y un enfoque basado en funciones de puntuación para aprender estructuras de BN. En primer lugar, el algoritmo propuesto descompone el grafo moral de BN en sus subgrafos primos maximales. Luego orienta las aristas locales en cada subgrafo mediante la búsqueda codiciosa de puntuación K2. El último paso es combinar subgrafos dirigidos para obtener la estructura final de BN. Los resultados teóricos y experimentales muestran que nuestro algoritmo puede identificar de manera eficiente y precisa estructuras de red complejas a partir de un conjunto de datos pequeño.

• Materias:Modelado matemático Sistemas estocásticos Productos gráficos Ecuaciones matriciales Métodos de descomposición
• Subjects:Mathematical modeling Stochastic systems Graph products Matrix equations Decomposition methods
• Palabras claves:Aprendizaje; Red bayesiana; Estructura; Datos; Algoritmo; Variables
• Keywords:Learning; Bayesian network; Structure; Data; Algorithm; Variables