×
奥利弗·舒尔特

用奥卡姆剃刀进行因果学习。 （英语） 兹比尔1477.68135

双头螺栓日志。 107，第5期，991-1023（2019）.
小结：奥卡姆剃刀指导我们采用与证据一致的最简单假设。学习理论为给定的学习问题提供了一个假设归纳简单性的精确定义。这个定义指定了一种实现奥卡姆剃刀归纳版本的学习方法。作为一个案例研究，我们将Occam的归纳剃刀应用于因果学习。我们考虑两个因果学习问题：学习一个因果图结构，该结构表示一组领域变量之间的全局因果关系，以及学习上下文相关的因果关系，该因果关系不是全局的，而是仅与上下文相关的。对于因果图学习，Occam的归纳剃刀指导我们采用该模型，该模型用最少数量的直接因果关系来解释观察到的相关性。为了扩展因果图结构以包括上下文敏感关系，Occam的归纳剃刀指导我们采用扩展，用最少数量的自由参数解释观察到的相关性。这相当于用最少数量的概率逻辑规则解释相关性。本文简要介绍了归纳简单性的学习理论定义以及Occam剃刀在因果学习中的应用。

MSC公司：

第68季度32 计算学习理论
03A10号 科学哲学中的逻辑
62H22个 概率图形模型
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）

关键词：

因果图;贝叶斯网络;形式学习理论;改变想法的界限;概率子句

软件：

TETRAD公司
PDF格式BibTeX公司 XML格式引用
\textit{O.Schulte}，螺柱日志。107，编号51991-1023（2019；兹bl 1477.68135）
全文： 内政部

参考文献：

[1] Boutiler，C.、T.L.Dean和S.Hanks，《决策理论规划：结构假设和计算杠杆》，《人工智能研究杂志》（JAIR）11:1-941999·Zbl 0918.68110号
[2] Boutiler，C.、N.Friedman、M.Goldszmidt和D.Koller，《贝叶斯网络中的上下文特定独立性》，收录于UAI，1996年，第115-123页。
[3] Case，J.和C.Smith，《机器归纳推理识别标准的比较》，《理论计算机科学》25:193-220，1983年·Zbl 0524.03025号
[4] Chickering，D.，贪婪搜索的最优结构识别，机器学习研究杂志3:507-5542003·Zbl 1084.68519号
[5] 库珀，G。；Glymour，C.（编辑）；Cooper，G.（编辑），《使用贝叶斯网络表示和发现因果关系的概述》，4-62（1999），剑桥·Zbl 0956.68534号
[6] de Campos，L.M.，基于互信息和条件独立性测试的贝叶斯网络学习评分函数，机器学习研究杂志7:2149-2187，2006·Zbl 1222.62036号
[7] Dowe，D.L.，MML，混合贝叶斯网络图形模型，统计一致性、不变性和唯一性，载于《科学哲学手册》第7卷：《统计哲学手册》，爱思唯尔出版社，2011年。
[8] Friedman，N.和M.Goldszmidt，《使用本地结构学习贝叶斯网络》，载于《北约图形模型学习高级研究所学报》，美国马萨诸塞州诺威尔，Kluwer学术出版社，1998年，第421-459页·Zbl 0910.68176号
[9] Geiger，D.和D.Heckerman，相似网络和贝叶斯多网中的知识表示和推理，人工智能82（1-2）：45-741996·兹比尔1517.68360
[10] Genin，K.和K.T.Kelly，《统计可验证性的拓扑》，载于《理性和知识的理论方面会议论文集》，TARK，2017年，第236-250页·Zbl 1483.62209号
[11] Giere，R.N.，意义测试争议，《英国科学哲学杂志》23（2）：170-1811972。
[12] Glymour，C.，《认知神经心理学方法》，英国科学哲学杂志45:815-8351994。
[13] Gold，E.M.，《限制中的语言识别》，《信息与控制》10（5）：447-4741967年·Zbl 0259.68032号
[14] David Heckerman，《贝叶斯网络学习教程》，301-354（1998），多德雷赫特·Zbl 0921.62029号
[15] Jain，S.、D.Osherson、J.S.Royer和A.Sharma，《学习的系统》，第2版，麻省理工学院出版社，剑桥，1999年。
[16] Kelly，K.，《可靠调查的逻辑》，牛津大学出版社，牛津，1996年·Zbl 0910.03023号
[17] Kelly，K.，《证明真实效率：Ockham剃刀的工作原理》，《思维与机器》14（4）：485-5052004。
[18] Kelly，K。；希区柯克，C.（编辑），《为什么概率不能捕捉科学论证的逻辑》，94-114（2004），伦敦
[19] Kelly，K.T.和C.Mayo-Wilson，《反复翻转的因果结论及其理由》，UAI，2010年，第277-285页。
[20] Khosravi，H.、O.Schulte，J.Hu和T.Gao，使用决策树学习紧凑马尔可夫逻辑网络，机器学习89（3）：257-2772012。
[21] Lauritzen，S.L.和D.J.Spiegelhalter，图形结构概率的局部计算及其在专家系统中的应用，皇家统计学会期刊B 50（2）：157-1941988·Zbl 0684.68106号
[22] Lucas，J.F.，《抽象数学导论》，Rowman&Littlefield，Lanham，1990年。
[23] Luo，W.，《在半确定性系统中学习贝叶斯网络》，加拿大AI 2006，LNAI第4013期，Springer-Verlag，2006，第230-241页。
[24] Luo，W.和O.Schulte，《思维改变-有效学习》，信息与计算204:989-1011，2006年·兹比尔1110.68055
[25] Martin，E.和D.N.Osherson，《科学探究的要素》，麻省理工学院出版社，马萨诸塞州剑桥，1998年。
[26] Meek，C.，《图形模型：选择因果和统计模型》，卡内基梅隆大学博士论文，1997年。
[27] Ngo，L.和P.Haddawy，从上下文敏感概率知识库中回答查询，理论计算机科学171（1-2）：147-1771997·Zbl 0874.68280号
[28] Pearl，J.，《智能系统中的概率推理》，Morgan Kauffmann，San Mateo，CA，1988年。
[29] Pearl，J.，《因果关系：模型、推理和推断》，剑桥大学出版社，剑桥，2000年·Zbl 0959.68116号
[30] Provost，F.J.和P.Domingos，基于概率排序的树归纳法，机器学习52（3）：199-2152003·Zbl 1039.68105号
[31] Putnam，H.，试错谓词和Mostowski问题的解决方案，符号逻辑杂志30（1）：49-571965·Zbl 0193.30102号
[32] Schulte，O.，Means-ends认识论认识论，《英国科学哲学杂志》79（1）：141-1471996。
[33] O.Schulte，讨论。相信什么和认真对待什么：对大卫·查特关于归纳之谜的回答，《英国科学哲学杂志》51（1）：151-1532000。
[34] Schulte，O.，《守恒定律和粒子族的共同发现》，《现代物理学的历史和哲学研究》39（2）：288-3142008年·Zbl 1223.81011号
[35] Schulte，O.，G.Frigo，R.Greiner和H.Khosravi，学习高斯贝叶斯网的IMAP混合方法，A.Farzindar和V.Keselj，（编辑），加拿大人工智能会议，计算机科学讲义第6085卷，施普林格，2010年，第123-134页。
[36] Schulte，O.，W.Luo，and R.Greiner，从依赖和独立数据中对贝叶斯网络结构进行思维转换优化学习，信息与计算208:63-822010·Zbl 1185.68570号
[37] Spites，P.、C.Glymour和R.Scheines，因果关系、预测和搜索，麻省理工学院出版社，剑桥，2000年·兹比尔0806.62001
[38] Studeny，M.，《概率条件独立结构》，施普林格出版社，柏林，2005年·Zbl 1070.62001号
[39] Tsamardinos，I.、L.E.Brown和C.Aliferis，最大爬山贝叶斯网络结构学习算法，机器学习65（1）：31-782006·Zbl 1470.68192号
[40] Verma，T.S.和J.Pearl，因果模型的等效性和综合，《第六届人工智能不确定性会议论文集》（UAI 1990），1990年，第220-227页。
[41] Xiang，Y.，S.K.Wong和N.Cercone，《关于学习信念网络中单链搜索的评论》，载于《第十二届人工智能不确定性年会论文集》（UAI 1996），1996年，第564-571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。