×
马蒂厄·霍尔布拉克;Pierre-Herri，Wuillemin;克里斯托夫·冈萨雷斯;菲利普·鲍马尔

用动态贝叶斯网络实时学习非平稳过程。 （英语） Zbl 1452.68150号

Carvalho，Joao Paulo（编辑）等人，《基于知识的系统中的信息处理和不确定性管理》。第16届国际会议，2016年IPMU，荷兰埃因霍温，2016年6月20日至24日。诉讼程序。第一部分查姆：施普林格。Commun公司。计算。信息科学。610, 338-350 (2016).
摘要：动态贝叶斯网络（DBNs）为从复杂多元时间序列数据中建模和学习条件依赖性提供了一种原则性方案，并得到了广泛的应用。然而，在大多数情况下，假设潜在的生成性马尔可夫模型是同质的，这意味着其拓扑结构和参数都不会随时间演变。因此，在这种假设下学习DBN来建模非平稳过程将相当于较差的预测能力。为了解释非平稳过程，我们构建了一个框架，以流式方式确定基础模型和框架之间的过渡时间，以实时学习它们，而无需假设它们的演变。我们在模拟数据集上展示了该方法的性能。该系统的目标是近实时地对入侵检测系统（IDS）的不一致性进行建模和预测，因此非常重视正确识别转换时间的能力。我们的初步结果揭示了我们的算法在选择过渡时的准确性，从而揭示了所发现网络的质量。我们最后建议了未来的工作。
关于整个系列，请参见[Zbl 1385.68005号].

MSC公司：

68T05年 人工智能中的学习和自适应系统
62H22个 概率图形模型

关键词：

数据库编号;国家标准-DBN;电视-DBN;非离子的;学习;实时;变更点
PDF格式BibTeX公司 XML格式引用
\textit{M.Hourbracq}等人，Commun。计算。信息科学。610、338--350（2016；Zbl 1452.68150）
全文： DOI程序 哈尔

参考文献：

[1] An，X.，Jutla，D.，Cercone，N.：使用动态贝叶斯网络的隐私入侵检测。收录于：ACM国际会议文集，第156卷，第208-215页（2006）
[2] Beran，R.：参数模型的最小hellinger距离估计。Ann.Stat.5，445-463（1977年）·Zbl 0381.62028号 ·doi:10.1214/aos/1176343842
[3] Casella，G.，George，E.I.：解释吉布斯采样器。《美国法律总汇》第46（3）、167-174页（1992年）
[4] Charitos，T.、Van Der Gaag，L.C.、Visscher，S.、Schurink，K.A.、Lucas，P.J.：诊断ICU患者呼吸机相关性肺炎的动态贝叶斯网络。专家系统。申请。36(2), 1249-1258 (2009) ·doi:10.1016/j.eswa.2007.11.065
[5] Dean，T.，Kanazawa，K.：关于持久性和因果关系的推理模型。计算。智力。5(2), 142-150 (1989) ·文件编号：10.1111/j.1467-8640.1989.tb00324.x
[6] Gonzales，C.，Dubisson，S.，Manfredotti，C.：学习非平稳动态贝叶斯网络的新算法及其在事件检测中的应用。参加：第二十八届国际花艺大会（2015）
[7] Grzegorczyk，M.，Husmeier，D.：非静态连续动态贝叶斯网络。《神经信息处理系统进展》，第682-690页（2009年）
[8] Grzegorczyk，M.，Husmeier，D.：连续数据的非同源动态贝叶斯网络。机器。学习。83(3), 355-419 (2011) ·兹比尔1274.62201 ·doi:10.1007/s10994-010-5230-7
[9] Grzegorczyk，M.，Husmeier，D.，Edwards，K.D.，Ghazal，P.，Millar，A.J.：利用非均质贝叶斯网络和分配采样器对非平稳基因调控过程进行建模。生物信息学24（18），2071-2078（2008）·doi:10.1093/bioinformatics/btn367
[10] Kruegel，C.，Mutz，D.，Robertson，W.，Valeur，F.：入侵检测的贝叶斯事件分类。2003年第19届计算机安全应用年度会议记录，第14-23页。IEEE（2003）
[11] Lerner，U.、Parr，R.、Koller，D.、Biswas，G.等人：动态系统中的贝叶斯故障检测和诊断。载：AAAI/IAAI，第531-537页（2000年）
[12] Mitra，V.，Nam，H.，Espy-Wilson，C.Y.，Saltzman，E.，Goldstein，L.：基于手势的动态贝叶斯网络，用于抗噪语音识别。2011年IEEE声学、语音和信号处理国际会议（ICASSP），第5172-5175页。IEEE（2011）
[13] Murphy，K.P.：动态贝叶斯网络：表示、推理和学习。加州大学伯克利分校博士论文（2002年）
[14] Mutz，D.，Valeur，F.，Vigna，G.，Kruegel，C.：异常系统调用检测。ACM事务处理。信息系统。安全。（TISSEC）9（1），61-93（2006）·数字对象标识代码：10.1145/127345.1127348
[15] Ourston，D.，Matzner，S.，Stump，W.，Hopkins，B.：隐藏马尔可夫模型在检测多级网络攻击中的应用。2003年第36届夏威夷国际系统科学年会论文集，IEEE（2003）10页
[16] Pearl，J.：《智能系统中的概率推理：合理推理网络》。Morgan Kaufmann，圣马特奥（2014）·Zbl 0746.68089号
[17] Robinson，J.W.，Hartemink，A.J.：非静态动态贝叶斯网络。摘自：神经信息处理系统进展，第1369-1376页（2009年）
[18] Robinson，J.W.，Hartemink，A.J.：学习非平稳动态贝叶斯网络。J.马赫。学习。第11号决议，3647-3680（2010年）·Zbl 1242.68244号
[19] Sicard，M.、Baudrit，C.、Leclerc-Pellat，M.，Wuillemin，P.H.、Perrot，N.：专家知识集成，以建模复杂的食品过程。在卡门伯特干酪成熟过程中的应用。专家系统。申请。38(9), 11804-11812 (2011) ·doi:10.1016/j.eswa.2011.03.068
[20] Song，L.，Kolar，M.，Xing，E.P.：时间维动态贝叶斯网络。摘自：《神经信息处理系统进展》，第1732-1740页（2009年）
[21] Xu，J.，Shelton，C.R.：主机级网络入侵检测的连续时间贝叶斯网络。收录：Daelemans，W.、Goethals，B.、Morik，K.（编辑）ECML PKDD 2008，第二部分。LNCS（LNAI），第5212卷，第613-627页。斯普林格，海德堡（2008）·doi:10.1007/978-3-540-87481-240
[22] Xu，J.，Shelton，C.R.：使用连续时间贝叶斯网络的入侵检测。J.阿蒂夫。智力。第39号决议，第745-774号决议（2010年）·Zbl 1210.68087号
[23] Yeung，D.Y.，Ding，Y.：使用动态和静态行为模型的基于主机的入侵检测。模式识别。36(1), 229-243 (2003) ·Zbl 1007.68952号 ·doi:10.1016/S0031-3203（02）00026-2
[24] 萨内罗，S。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。