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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Propiedades del álgebra en espacios de Fourier-Besov y sus aplicaciones
Artículo:
Existencia y no existencia de soluciones positivas para problemas de valor límite de ecuaciones diferenciales fraccionarias de alto orden en resonancia.
Artículo:
Nuevo control de actitud basado en un observador de perturbaciones de doble bucle para un microsatélite de observación espacial
Artículo:
Una nueva ecuación integro-diferencial para ondas solitarias de Rossby con efecto de topografía en fluidos rotacionales profundos.
Artículo:
Algoritmo mejorado de maximización de expectativas para el modelo mixto gaussiano utilizando el método del núcleo
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones