-
- 鈴木 譲
- 大阪大学大学院理学研究科
書誌事項
- タイトル別名
-
- Bayesian Network Structure Learning with both Continuous and Discrete Variables
- リサン ヤ レンゾク オ カテイ シナイ カクリツテキ グラフィカルモデル ノ コウゾウ スイテイ
この論文をさがす
抄録
<p>Bayesian ネットワークで、連続データと離散データが混在している場合の構造推定をおこなう。変数集合の各部分集合に、Bayes 的にスコアを割り当てると、それらを組み合わせて、各構造のスコアが求まる。それらを比較して、事後確率が最大の構造を推定する。提案方式は、連続データが含む場合のMDL 基準の一般化に相当する原理に基づいている。したがって、サンプル数が多くなれば、確率1 で真の構造を推定することが予想される。今回は、数学的な証明には至らなかったが、種々の実験によって、そのことが真であることのevidence を得た。</p>
収録刊行物
-
- 人工知能学会研究会資料 人工知能基本問題研究会
-
人工知能学会研究会資料 人工知能基本問題研究会 96 (0), 03-, 2015-01-07
一般社団法人 人工知能学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390851497213306368
-
- NII論文ID
- 40020322948
- 130008061511
-
- NII書誌ID
- AA11977943
-
- ISSN
- 24364584
-
- NDL書誌ID
- 026026360
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- NDL
- CiNii Articles
-
- 抄録ライセンスフラグ
- 使用可