Y.Xiang。；黄，S.K.M。；北卡罗来纳州Cercone。 学习可分解马尔可夫网络中最小熵搜索的“微观”研究。 （英语） Zbl 0866.68088号 机器。学习。 26，第1期，65-92（1997）. 摘要：在学习概率网络的不同搜索过程中使用了几个评分指标。我们研究了交叉熵在学习可分解马尔可夫网络中的性质。尽管熵和相关的评分指标被广泛使用，但它在搜索中的“微观”性质和渐近行为尚未得到分析。我们对最小熵搜索算法进行了这种“微观”研究，并表明当数据量较大时，它可以学习域模型的I映射。为了提高效率，通常使用每次修改一个链接的网络结构的搜索过程。我们的研究表明，一类领域模型不能通过这样的过程来学习。这表明，关于问题域的先验知识以及多链接搜索策略将为揭示许多域模型提供有效的方法。 引用于6文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：概率网络 PDF格式BibTeX公司 XML格式引用 \textit{Y.Xiang}等人，马赫。学习。26，第1号，65--92（1997；Zbl 0866.68088） 全文： 内政部