مقدمه ای بر شبکه های بیزی و مروری بر روش های یادگیری در شبکه های بیزی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 9,313

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FJCFIS02_013

تاریخ نمایه سازی: 26 تیر 1392

چکیده مقاله:

ایده کلی و مقدماتی دربارهی شبکههای بیزی، که در واقع ترکیبی از دو شاخه نظریه گراف و نظریه احتمال هستند، بیان میشود. این شبکهها عمدتا نشان دهنده روابط علی و معلولی میان متغیرها میباشند. ساختار گراف یک شبکه بیزی برای صورتبندی توزیع احتمال توأممتغیرهای شبکه بکار میرود. هنگامیکه ساختار گراف معلوم باشد، مدلهای احتمالاتی میتوانند برای استدلال و پیشبینی در مورد متغیرها بکارروند و در صورت نامشخص بودن ساختار گراف، با استفاده از این مدلها میتوان به یادگیری ساختار مدل پرداخت و آنگاه استدلال و پیشبینی در مورد متغیرها را انجام داد. روشهای مختلفی در ارتباط با فرآیند یادگیری در چنین شبکههایی ارائه شدهاند، که در این مطالعه کلیاتی از چند روش متداول در یادگیری بیزی در شرایط مختلف نیز مطرح و مرور میشوند

نویسندگان

شهره میرزایی یگانه

دانشکده علوم ریاضی، دانشگاه صنعتی اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • کتاب درسی نظریه گراف، ترجمه: بیژن طائری، انتشارات جهاد دانشگاهی ...
  • Bornholdt, S., Schuster, _ _ :Handbook of graphs _ _ ...
  • Campos, M.L. Castellano, _ _ usingl ...
  • Dempster, A., Laird, N., and Rifik _ likelihood ...
  • Friedman, N. (1 997), "learning belief networks in the presence ...
  • Neapolitan, R.E. (2003); Learning Bayesian Networks, Prentice Hall ...
  • نمایش کامل مراجع