×
伊尔玛·拉夫基克；简·拉蒙；杰西·戴维斯

学习混合域中的关系依赖网络。 （英语） Zbl 1377.68208号

机器。学习。 100，编号2-3，217-254（2015）.
统计关系学习（SRL）旨在从数据关系结构中学习。本文研究混合SRL模型的学习结构。作者提出了混合关系依赖网络（HRDN），它是关系依赖网络的扩展，能够对连续变量建模。他们提出了一种学习HRDN结构和参数的算法。然后，作者提供了一个实证评估，证明了为SRL建模连续变量的优势。
审核人：丁宣周（香港）

引用于4文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

统计关系学习；混合域；结构学习

软件：

威卡；BMSS公司
PDF格式BibTeX公司 XML格式引用
\textit{I.Ravkic}等人，马赫。学习。100，编号2-3217-254（2015年；兹bl 1377.68208）
全文： 内政部

参考文献：

[1] Berka，P.（1999）。PKDD’99发现挑战：http://lisp.vse.cz/pkdd99/Challenge/。 ·Zbl 1243.68245号
[2] Besag，J.（1974年）。空间相互作用和晶格系统的统计分析。英国皇家统计学会期刊B辑（方法学），36192-236·Zbl 0327.60067号
[3] Bishop，C.M.（1995年）。用于模式识别的神经网络。美国纽约州纽约市：牛津大学出版社·Zbl 0868.68096号
[4] Blockeel，H.和De Raedt，L.（1998年）。一阶逻辑决策树的自上而下归纳。人工智能，101285-297·Zbl 0909.68034号 ·doi:10.1016/S0004-3702（98）00034-4
[5] Choi，J.、Amir，E.、Hill，D.J.（2010年）。提升了关系连续模型的推理。收录于：UAI'10:第二十六届人工智能不确定性会议记录，第126-134页·Zbl 1113.62082号
[6] 科布，B。；Rumí，R。；Salmerón，A.，《离散变量和连续变量贝叶斯网络模型》，第214期，第81-102页（2007年），柏林，海德堡·Zbl 1117.90008号 ·doi:10.1007/978-3-540-68996-64
[7] Dobra，A.（2009）。全基因组数据的变量选择和依赖网络。生物统计学（英国牛津），10621-639·Zbl 1437.62444号 ·doi:10.1093/生物统计学/kxp018
[8] Domingos，P.，&Provost，F.（2000年）。训练良好的PET：改进概率估计树。斯特恩商学院CDER工作文件。纽约州纽约市：纽约大学。
[9] Fierens，D.、Blockeel，H.、Bruynooghe，M.和Ramon，J.（2005）。逻辑贝叶斯网络及其与其他概率逻辑模型的关系。摘自：《第15届归纳逻辑编程国际会议论文集》（第3625卷，第121-135页），柏林：施普林格出版社·Zbl 1134.68507号
[10] Getoor，L.和Taskar，B.（2007年）。统计关系学习导论。剑桥：麻省理工学院出版社·兹比尔1141.68054
[11] Getoor，L.、Friedman，N.、Koller，D.和Pfeffer，A.（2001）学习概率关系模型。In：关系数据挖掘。柏林施普林格·Zbl 1113.62082号
[12] Guo，Y.，&Gu，S.（2011）。使用条件依赖网络的多标签分类。在：第二十二届人工智能国际联合会议论文集，IJCAI’11（第二卷，第1300-1305页）。
[13] Gutmann，B.、Jaeger，M.和De Raedt，L.（2011年）。使用连续分布扩展ProbLog。收录：《归纳逻辑编程》（第76-91页），柏林：施普林格出版社·Zbl 1329.68057号
[14] Hall，M.、Frank，E.、Holmes，G.、Pfahringer，B.、Reutemann，P.和Witten，I.H.（2009）。WEKA数据挖掘软件：更新。SIGKDD探索，11（1）·Zbl 1117.90008号
[15] Heckerman，D.、Chickering，D.M.、Meek，C.、Rounthwaite，R.和Kadie，C.（2001）。推理、协同过滤和数据可视化的依赖网络。机器学习研究杂志，49-75·Zbl 1008.68132号
[16] Kersting，K.和De Raedt，L.（2001）。自适应贝叶斯逻辑程序。摘自：归纳逻辑编程（第104-117页）。柏林：斯普林格·Zbl 1006.68504号
[17] Kok，S.和Domingos，P.（2005）。学习马尔可夫逻辑网络的结构。摘自：第22届机器学习国际会议记录，ICML'05，第441-448页。
[18] Kok，S.和Domingos，P.（2010年）。使用结构模体学习马尔可夫逻辑网络。摘自：《第27届机器学习国际会议论文集》（ICML-10），第551-558页。
[19] Koller，D.、Lerner，U.和Angelov，D.（1999）。近似推理的通用算法及其在混合贝叶斯网中的应用。摘自：第十五届人工智能不确定性会议记录，第324-333页。
[20] Kuíelka，O.、Szabóová，A.、Holec，M.和Zhi elezní，F.（2011）。用于预测分类的高斯逻辑。数据库中的机器学习和知识发现，《计算机科学讲义》（第6912卷，第277-292页）。柏林，海德堡：施普林格。
[21] Lauritzen，S.L.（1992）。混合图形关联模型中概率、均值和方差的传播。《美国统计协会杂志》，第87期，第1098-1108页·Zbl 0850.62094号 ·doi:10.1080/01621459.1992.10476265
[22] Lauritzen，S.L.和Jensen，F.（2001）。条件高斯分布的稳定局部计算。统计与计算，第11期，191-203年·doi:10.1023/A:1008935617754
[23] Meinshausen，N.和Bühlmann，P.（2006）。用拉索选择高维图形和变量。统计年鉴，341436-1462·Zbl 1113.62082号 ·doi:10.1214/09053606000000281
[24] Mitchell，T.M.（1997）。机器学习。纽约：McGraw-Hill·Zbl 0913.68167号
[25] Moral，S.、Rumi，R.和Salmerón，A.（2001）。混合贝叶斯网络中截断指数的混合。不确定性推理的符号和定量方法，《计算机科学讲义》（第2143卷，第156-167页）。柏林，海德堡：施普林格·Zbl 1001.68544号
[26] Murphy，K.P.（1998）。混合贝叶斯网络中的推理和学习。技术报告。加州大学伯克利分校UCB/CSD-98-990·Zbl 0850.62094号
[27] Narman，P.、Buschle，M.、Konig，J.和Johnson，P.（2010年）。系统质量分析的混合概率关系模型。在：《2010年第14届IEEE国际企业分布式对象计算会议论文集》，第57-66页·Zbl 0909.68034号
[28] Natarajan，S.、Khot，T.、Kersting，K.、Gutmann，B.和Shavlik，J.（2012）。统计关系学习中基于梯度的助推：关系依赖网络案例。机器学习，86，25-56·Zbl 1243.68245号 ·doi:10.1007/s10994-011-5244-9
[29] Neville，J.和Jensen，D.（2007年）。关系依赖网络。机器学习研究杂志·Zbl 1222.68274号
[30] Neville，J.、Jensen，D.、Friedland，L.和Hay，M.（2003）。学习关系概率树。摘自：第九届ACM SIGKDD知识发现和数据挖掘国际会议论文集，ACM出版社，第625-630页。
[31] Richardson，M.和Domingos，P.（2006年）。马尔可夫逻辑网络。机器学习，62107-136·Zbl 1470.68221号 ·doi:10.1007/s10994-006-5833-1
[32] Romero，V.、Rumí，R.和Salmerón，A.（2006年）。使用截断指数的混合学习混合贝叶斯网络。国际近似推理杂志，42，54-68·Zbl 1096.68707号 ·doi:10.1016/j.ijar.2005.10.004
[33] Schwarz，G.（1978年）。估算模型的维度。《统计年鉴》，461-464·兹伯利0379.62005
[34] Teso，S.、Sebastiani，R.和Passerini，A.（2013）。混合SRL与优化模理论。2013年NIPS建构机器学习研讨会。美国内华达州太浩湖·Zbl 1404.68121号
[35] Wang，J.和Domingos，P.（2008）。混合马尔可夫逻辑网络。摘自：《第23届全国人工智能会议论文集》，第2卷，第1106-1111页·Zbl 1096.68707号
[36] Yuan，C.和Druzdzel，M.J.（2007）。一般混合贝叶斯网络的重要性抽样。摘自：《第十一届国际人工智能与统计会议论文集》（AISTATS-07），《机器学习研究杂志-论文集跟踪》，第2卷，第652-659页。
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。