×
西尔维娅·艾迪奇;路易斯·坎波斯（Luis M.de Campos）。

学习信念网络的混合方法：BENEDICT。 （英文） 兹伯利0983.68197

国际J近似推理 27，第3期，235-262（2001）.
摘要：以往基于数据构建信任网络结构的算法主要基于独立性准则或评分指标。本文的目的是提出一种混合方法，将这两种方法结合在一起，利用每种方法的特点，并基于此方法开发两种可操作的算法。给出了在著名的Alarm网络上对算法的评估结果，以及算法性能问题和一些尚未解决的问题。

引用于11文件

MSC公司：

68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等）
68层37 人工智能背景下的不确定性推理
68T05型 人工智能中的学习和自适应系统

关键词：

信念网络结构

软件：

TETRAD公司;BENEDICT公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Acid}和\textit{L.M.de Campos}，国际期刊近似推理27，第3期，235--262（2001；Zbl 0983.68197）
全文： 内政部

参考文献：

[1] S.Acid，Métodos de aprendizaje de redes de creencia。Aplicación a la clasificacion，博士论文，西班牙格拉纳达大学，1999年（西班牙语）；S.Acid，Métodos de aprendizaje de redes de creencia。Aplicación a la clasificasicón，博士论文，西班牙格拉纳达大学，1999年（西班牙语）
[2] S.Acid，L.M.de Campos，《在信念网络中寻找最小d-分离集的算法》，E.Horvitz，F.Jensen（编辑），《第十二届人工智能不确定性会议论文集》，Morgan Kaufmann，San Mateo，1996年，第3-10页；S.Acid，L.M.de Campos，《在信念网络中寻找最小d-分离集的算法》，E.Horvitz，F.Jensen（编辑），《第十二届人工智能不确定性会议论文集》，Morgan Kaufmann，San Mateo，1996年，第3-10页
[3] S.Acid，L.M.de Campos，信念网络中求最小d-分离集的算法，德赛技术报告960214，格拉纳达大学，1996年，第1-22页；S.Acid，L.M.de Campos，信念网络中求最小d-分离集的算法，德赛技术报告960214，格拉纳达大学，1996年，第1-22页
[4] S.Acid，L.M.de Campos，《Benedict：学习概率信念网络的算法》，载《第六届IPMU会议论文集》，1996年，第979-984页；S.Acid，L.M.de Campos，《Benedict：学习概率信念网络的算法》，载《第六届IPMU会议论文集》，1996年，第979-984页
[5] S.Acid，L.M.de Campos，A.González，R.Molina，N.Pérez de la Blanca，《与城堡一起学习》，收录于：R.Kruse，P.Siegel（编辑），《推理和不确定性的符号和定量方法》，《计算机科学讲义548》，柏林斯普林格出版社，1991年，第99-106页；S.Acid，L.M.de Campos，A.González，R.Molina，N.Pérez de la Blanca，《城堡学习》，载：R.Kruse，P.Siegel（编辑），《推理和不确定性的符号和定量方法》，《计算机科学讲义》548，施普林格，柏林，1991年，第99-106页
[6] I.A.Beinlich，H.J.Suermondt，R.M.Chavez，G.F.Cooper，警报监测系统：信念网络两种概率推理技术的案例研究，载于：1989年欧洲医学人工智能会议，第247-256页；I.A.Beinlich，H.J.Suermondt，R.M.Chavez，G.F.Cooper，警报监测系统：信念网络两种概率推理技术的案例研究，摘自：1989年欧洲医学人工智能会议，第247-256页
[7] R.Bouckaert，优化因果顺序以从数据中生成数据，载于：D.Dubois，M.P.Wellman，D.B.D'Ambrosio（编辑），《第八届人工智能不确定性会议论文集》，Morgan-Kaufmann，San Mateo，1992年，第9-16页；R.Bouckaert，优化因果顺序以从数据中生成数据，载于：D.Dubois，M.P.Wellman，D.B.D'Ambrosio（编辑），《第八届人工智能不确定性会议论文集》，Morgan-Kaufmann，San Mateo，1992年，第9-16页
[8] R.R.Bouckaert，使用最小描述长度原则构建信念网络。in：M.Clarke，R.Kruse，S.Moral（编辑），《推理和不确定性的符号和定量方法》，《计算机科学747讲义》，柏林斯普林格出版社，1993年，第41-48页；R.R.Bouckaert，使用最小描述长度原则构建信念网络。摘自：M.Clarke，R.Kruse，S.Moral（编辑），《推理和不确定性的符号和定量方法》，计算机科学747讲义，柏林斯普林格，1993年，第41-48页
[9] L.Breiman、J.H.Friedman、R.A.Olshen、C.J.Stone，《分类和回归树》，《华兹华斯统计概率系列》，贝尔蒙特，1984年；L.Breiman、J.H.Friedman、R.A.Olshen、C.J.Stone，《分类和回归树》，华兹华斯统计概率系列，贝尔蒙特，1984年·Zbl 0541.62042号
[10] Buntine，W.，图形模型学习操作，人工智能研究杂志，2159-225（1994）
[11] Buntine，W.，《从数据中学习概率网络的文献指南》，IEEE知识与数据工程汇刊，8195-210（1996）
[12] de Campos，L.M.，《单连通网络的独立关系和学习算法》，《实验和理论人工智能杂志》，10，4，511-549（1998）·Zbl 1049.68621号
[13] de Campos，L.M。；Huete，J.F.，《关于使用独立关系学习简化信念网络》，《国际智能系统杂志》，第12495-522页（1997年）
[14] de Campos，L.M。；Huete，J.F.，Aproximación de una ordenacionón der variables en redes causales mediante algoritmos genéticos，Inteligencia Artificial，4，30-39（1998），（西班牙语）
[15] de Campos，L.M。；Huete，J.F.，《使用独立标准学习信念网络的新方法》，《国际近似推理杂志》，24，11-37（2000）·Zbl 0995.68109号
[16] L.M.de Campos，J.F.Huete，使用遗传算法和模拟退火近似贝叶斯网络的因果顺序，收录于：《第八届IPMU会议论文集》，第一卷，2000年，第333-340页；L.M.de Campos，J.F.Huete，使用遗传算法和模拟退火近似贝叶斯网络的因果顺序，收录于：《第八届IPMU会议论文集》，第一卷，2000年，第333-340页
[17] J.Cheng，D.A.Bell，W.Liu，《从数据构建贝叶斯信念网络的算法》，载《人工智能与统计学报》1997年，第83-90页；J.Cheng，D.A.Bell，W.Liu，《从数据构建贝叶斯信念网络的算法》，载《人工智能与统计学报》1997年，第83-90页
[18] Chow，C。；Liu，C.，用依赖树逼近离散概率分布，IEEE信息理论事务，1462-467（1968）·Zbl 0165.22305号
[19] 库珀，G.F。；Herskovits，E.，从数据中归纳概率网络的贝叶斯方法，机器学习，9，43093-348（1992）·Zbl 0766.68109号
[20] 福特，L.R。；Fulkerson，D.R.，《网络中的流量》（1962），普林斯顿大学出版社：普林斯顿大学出版，新泽西州普林斯顿·Zbl 0139.13701号
[21] N.Friedman，M.Goldszmidt，《学习具有局部结构的贝叶斯网络》。摘自：E.Horvitz，F.Jensen（编辑），《第十二届人工智能不确定性会议论文集》，Morgan Kaufmann，San Mateo，1996年，第252-262页；N.Friedman，M.Goldszmidt，《学习具有局部结构的贝叶斯网络》。摘自：E.Horvitz，F.Jensen（编辑），《第十二届人工智能不确定性会议论文集》，Morgan Kaufmann，San Mateo，1996年，第252-262页·Zbl 0910.68176号
[22] D.Geiger，D.Heckerman，《Dirichlet分布的特征及其在贝叶斯网络学习中的应用》，载于：P.Besnard，S.Hanks（Eds.）《第十一届人工智能不确定性会议论文集》，Morgan和Kaufmann，旧金山，1995年，第196-207页；D.Geiger，D.Heckerman，《狄利克雷分布的特征及其在贝叶斯网络学习中的应用》，载：P.Besnard，S.Hanks（编辑）《第十一届人工智能不确定性会议论文集》，Morgan和Kaufmann，旧金山，1995年，第196-207页
[23] D.Geiger，A.Paz，J.Pearl，从依赖信息中学习因果树。in：第八届全国人工智能会议（AAAI 90），1990年，第770-776页；D.Geiger，A.Paz，J.Pearl，从依赖信息中学习因果树。in：第八届全国人工智能会议（AAAI 90），1990年，第770-776页
[24] 盖革，D。；Paz，A。；Pearl，J.，《学习简单因果结构》，《国际智能系统杂志》，8231-247（1993）·Zbl 0794.68130号
[25] Heckerman，D.，知识发现的贝叶斯网络，（Fayyad，U.M.；Piatetsky-Shapiro，G.；Smyth，P.；Uthurusamy，R.，《知识发现和数据挖掘的进展》（1996），麻省理工学院出版社：麻省理学学院出版社剑桥，MA），273-305
[26] 赫克曼，D。；盖革，D。；Chickering，D.M.，《学习贝叶斯网络：知识和统计数据的结合》，机器学习，20197-243（1995）·兹比尔08316.8096
[27] E.Herskovits，G.F.Cooper，Kutató：从数据库构建概率专家系统的熵驱动系统，见：P.Bonissone（Ed.），《第六届人工智能不确定性会议论文集》，剑桥，1990年，第54-62页；E.Herskovits，G.F.Cooper，Kutató：从数据库构建概率专家系统的熵驱动系统，载：P.Bonissone（编辑），《第六届人工智能不确定性会议论文集》，剑桥，1990年，第54-62页
[28] E.H.Herskovits，基于计算机的概率网络构建，博士论文，斯坦福大学医学信息科学，1991年；E.H.Herskovits，基于计算机的概率网络构建，博士论文，斯坦福大学医学信息科学，1991年
[29] J.F.Huete，L.M.de Campos，《学习因果多树》，收录于：M.Clarke，R.Kruse，S.Moral（编辑），《推理和不确定性的符号和定量方法》，《计算机科学747讲义》，柏林斯普林格出版社，1993年，第180-185页；J.F.Huete，L.M.de Campos，《学习因果多元树》，收录于：M.Clarke，R.Kruse，S.Moral（编辑），推理和不确定性的符号和定量方法，747计算机科学讲义，柏林斯普林格，1993年，第180-185页·Zbl 0825.00119号
[30] Kullback，S。；Leibler，R.A.，《信息与充分性》，《数理统计年鉴》，22，79-86（1951）·Zbl 0042.38403号
[31] Kullback，S.，《信息理论与统计》（1968年），多佛出版社：纽约多佛出版社·Zbl 0149.37901号
[32] Lauritzen，S.L.，《列联表讲座》（1982），奥尔堡大学出版社：丹麦奥尔堡大学奥尔堡出版社
[33] Madigan，D。；Rafterym，A.，使用Occam窗口的图形模型中模型选择和模型不确定性的计算，美国统计协会杂志，891535-1546（1994）·Zbl 0814.62030号
[34] J.Pearl，A.Paz，《图形：一种基于图形的逻辑，用于关联关系推理》，《技术报告850038》（R-53-L），加州大学洛杉矶分校认知系统实验室，1985年；J.Pearl，A.Paz，《图形：用于关联关系推理的基于图形的逻辑》，《技术报告850038》（R-53-L），加州大学洛杉矶分校认知系统实验室，1985年
[35] Pearl，J.，《智能系统中的概率推理：似是而非的Morgan Kaufmann网络》（1988），Morgan Koufmann:Morgan Kufmann-San Mateo
[36] M.Ramoni，P.Sebastiani，《从不完全数据库中学习贝叶斯网络》，载于《第十三届人工智能不确定性会议论文集》，摩根和考夫曼，圣马特奥，1997年，第401-408页；M.Ramoni，P.Sebastiani，《从不完全数据库中学习贝叶斯网络》，摘自：《第十三届人工智能不确定性会议论文集》，摩根和考夫曼，圣马特奥，1997年，第401-408页
[37] G.Rebane，J.Pearl，《从统计数据中恢复因果多项式》，载于：法律公告Kanal，T.S.Levitt，J.F.Lemmer（编辑），《人工智能的不确定性》，第3卷，1987年，第222-228页；G.Rebane，J.Pearl，《从统计数据中恢复因果多树》，收录于：法律公告Kanal，T.S.Levitt，J.F.Lemmer（编辑），《人工智能中的不确定性》，第3卷，1987年，第222-228页
[38] M.Singh，M.Valtorta，《从数据构建贝叶斯网络结构的算法》，载：D.Heckerman，A.Mamdani（编辑），《第九届人工智能不确定性会议论文集》，Morgan Kaufmann，旧金山，1993年，第259-265页；M.Singh，M.Valtorta，《从数据构建贝叶斯网络结构的算法》，载：D.Heckerman，A.Mamdani（编辑），《第九届人工智能不确定性会议论文集》，Morgan Kaufmann，旧金山，1993年，第259-265页
[39] 辛格，M。；Valtorta，M.，《从数据构建贝叶斯网络结构：一个简短的调查和一个有效的算法》，《国际近似推理杂志》，12111-131（1995）·Zbl 0814.68115号
[40] P.Spirtes、C.Glymour、R.Scheines，《因果关系、预测和搜索》，《统计学81讲义》，纽约斯普林格出版社，1993年；P.Spirtes、C.Glymour、R.Scheines，《因果关系、预测和搜索》，《统计学讲义81》，纽约斯普林格出版社，1993年·Zbl 0806.62001
[41] S.Srinivas，S.Russell，A.Agogino，从非结构化概率模型和域信息自动构建稀疏贝叶斯网络，收录于：M.Henrion，R.D.Shachter，Lemal Kanal，J.F.Lemmer（编辑），《人工智能中的不确定性》，第5卷，北荷兰，阿姆斯特丹，1990年，第295-308页；S.Srinivas，S.Russell，A.Agogino，从非结构化概率模型和领域信息中自动构建稀疏贝叶斯网络，载于：M.Henrion，R.D.Shachter，L.Kanal，J.F.Lemmer（编辑），《人工智能的不确定性》，第5卷，北荷兰，阿姆斯特丹，1990年，第295-308页·Zbl 0721.68078号
[42] J.Suzuki，基于MDL原理从数据库中构建贝叶斯网络，载于：D.Heckerman，A.Mamdani（Eds.）《第九届人工智能不确定性会议论文集》，Morgan Kaufmann，旧金山，1993年，第266-273页；J.Suzuki，基于MDL原理从数据库构建贝叶斯网络，载于：D.Heckerman，A.Mamdani（Eds.）《第九届人工智能不确定性会议论文集》，Morgan Kaufmann，旧金山，1993年，第266-273页
[43] T.Verma，J.Pearl，《因果网络：语义和表达》。收录于：R.D.Shachter，T.S.Lewitt，法律公告Kanal，J.F.Lemmer（编辑），《人工智能中的不确定性》，第4卷，北荷兰，阿姆斯特丹，1990年，第69-76页；T.Verma，J.Pearl，《因果网络：语义和表达》。收录于：R.D.Shachter，T.S.Lewitt，Lenal法律公告，J.F.Lemmer（编辑），《人工智能中的不确定性》，第4卷，北荷兰，阿姆斯特丹，1990年，第69-76页
[44] Wermuth，N。；Lauritzen，S.，列联表的图形和递归模型，生物统计学，72537-552（1983）·Zbl 0541.62038号
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。