基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
联合观察数据和扰动数据学习因果网络是一种基于扰动的机器学习方法,通过扰动学习可以利用少量样本发现网络中的因果关系,扰动对于因果关系的影响主要体现在网络参数方面.提出了一种基于灵敏性分析的因果网络参数的扰动学习算法(intervention learning of parameter sensitivity analysis,ILPSA).对于给定的先验网络,ILPSA算法利用联合树推理算法生成灵敏性函数,通过对灵敏性函数的参数重要性分析提出扰动结点的一种主动选取方法;对扰动结点的主动干扰产生扰动数据,然后联合观察数据和扰动数据,利用最大似然估计(maximum likelihood estimation,MLE)方法学习因果网络的参数,并利用KL距离对学习结果进行评价.算法比较和实验结果表明,ILPSA算法的学习结果明显好于随机选择扰动结点和无扰动情况下的方法,特别在样本较小的情况下优势更明显.
推荐文章
RC结构承载能力对结构参数的灵敏性分析
RC结构
灵敏性
极限承载力
结构参数
变电构架承载能力对于结构参数的灵敏性分析
变电构架
灵敏性
极限承载力
结构参数
全局灵敏性分析方法研究
多学科优化
全局灵敏度分析
耦合系统
江苏海相灵敏性软土特征研究
江苏海相软土
灵敏性软土
高含水率
高液限
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 灵敏性分析下的因果网络参数的扰动学习研究
来源期刊 计算机科学与探索 学科 工学
关键词 灵敏性分析 扰动学习 因果网络 最大似然估计(MLE)
年,卷(期) 2012,(2) 所属期刊栏目 学术研究
研究方向 页码范围 165-174
页数 分类号 TP181
字数 6900字 语种 中文
DOI 10.3778/j.issn.1673-9418.2012.02.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王浩 合肥工业大学计算机与信息学院 193 1473 20.0 29.0
2 姚宏亮 合肥工业大学计算机与信息学院 95 488 11.0 16.0
3 李俊照 合肥工业大学计算机与信息学院 27 128 6.0 9.0
4 苌健 合肥工业大学计算机与信息学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
灵敏性分析
扰动学习
因果网络
最大似然估计(MLE)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导