×
亚历杭德罗·普拉塔斯·洛佩斯;埃弗雷恩·梅祖拉·蒙特斯;尼坎多·克鲁兹·拉米雷斯;亚历杭德罗·格拉·亨南德斯

基于差分进化的贝叶斯网络参数判别学习。 （英语） Zbl 1481.68039号

申请。数学。建模 93, 244-256 (2021).
摘要：这项工作提出了差分进化（DE）来训练贝叶斯网络（BN）的参数，以优化条件对数似然（判别学习）而不是对数似然（生成学习）。任何给定的BN结构都会对属性之间条件独立性的假设进行编码，如果这些假设在数据中不成立，就会导致错误。这种错误包括分类维度。辨别学习的主要目标是将这种错误最小化。从这个意义上讲，尽管已经提出了BN判别参数学习算法，但就作者所知，尚未设计出元神经方法。因此，这是我们的主要贡献：提出这种解决方案并评估其行为，以便确定其在该领域的可行性。关于所提出的方法，总体中最佳解决方案提供的偏差提高了DE的性能。当引入突变和交叉参数的适应机制时，特别推荐基于JADE的DE变体，如L-SHADE和C-JADE，从而减少对其校准的依赖性。在计算上，推荐使用L-SHADE，而不是其他DE变体。DE方法基本上在所有标准情况下都能很好地工作，因此DE方法是健壮的，至少与被称为WANBIA的最先进的鉴别学习方法一样好，而且通常更好。我们的结果表明，在属性之间具有强独立性假设的判别参数学习具有潜在的好处，并且它通常比生成学习产生更准确的分类器。

MSC公司：

68T05型 人工智能中的学习和自适应系统
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：

贝叶斯网络;差异演化;判别学习

软件：

玉;4.5条;玉
PDF格式BibTeX公司 XML格式引用
\textit{A.Platas-López}等人，应用。数学。型号93，244--256（2021；Zbl 1481.68039）
全文： 内政部

参考文献：

[1] 弗里德曼，N。；盖革，D。；Goldszmidt，M.，贝叶斯网络分类器，马赫。学习。，29, 131-163 (1997) ·Zbl 0892.68077号
[2] 北卡罗来纳州扎伊迪。；韦伯，G。；卡曼，M。；佩蒂让，F。；W.邦廷。；海恩斯，M。；Sterck，H.，贝叶斯网络分类器的有效参数学习，马赫。学习。，106, 1289-1329 (2017) ·Zbl 1454.62183号
[3] 苏，J。；张，H。；Ling，C。；Matwin，S.，贝叶斯网络的判别参数学习，在Proc。第25届机器学习国际会议。ACM，1016-1023（2008）
[4] 价格，K。；Storn，R.，《通过差异进化最小化1996年冰上竞赛的实际功能》，摘自Proc。IEEE C.进化。计算。，842-844 (1996)
[5] Tarkhaneh，O。；Shen，H.，一种自适应差分进化算法，用于优化MRI脑图像分割的多级阈值，专家系统。申请。，138, 112820 (2019)
[6] 比拉尔；裤子，M。；Zaheer，H。；Garcia-Hernandez，L。；Abraham，A.，《差异进化：20多年研究综述》，英国应用科学院。Artif公司。整数。，90, 103479 (2020)
[7] Minsky，M.，走向人工智能的步骤，Proc。IRE，49，1，8-30（1961）
[8] Keogh，E.J。；Pazzani，M.J.，《学习增强贝叶斯分类器的结构》，国际期刊Artif。智力。工具，11，04，587-601（2002）
[9] 罗素，S。；Norvig，P.，《人工智能：现代方法》（2003），新泽西州恩格尔伍德克利夫斯市普伦蒂斯·霍尔出版社
[10] Scanagatta，M。；Salmerón，A。；Stella，F.，《从数据中学习贝叶斯网络结构的调查》，Prog。Artif公司。整数。，8, 425-439 (2019)
[11] Chow，C。；Liu，C.，用依赖树逼近离散概率分布，IEEE Trans。Inf.理论，1462-467（1968）·Zbl 0165.22305号
[12] Sundararajan，P。；Mengshoel，O.，《使用期望最大化在贝叶斯网络中学习参数的遗传算法》，Proc。第八届概率图形模型国际会议，511-522（2016）
[13] 格雷纳，R。；周伟，《逻辑回归的结构扩展：信念网络分类器的判别参数学习》，AAAI/IAAI，167-173（2002）
[14] 沈，B。；苏，X。；格雷纳，R。；Musilek，P。；Cheng，C.，一般贝叶斯网络分类器的判别参数学习，收录于Proc。《国际贸易公约》工具第296-305条（2003年）
[15] 格雷纳，R。；苏，X。；沈，B。；周伟，逻辑回归的结构扩展：信念网络分类器的判别参数学习，马赫。学习。，59, 297-322 (2005) ·Zbl 1101.68759号
[16] 格雷纳，R。；格罗夫，A.J。；Schuurmans，D.，学习表现良好的贝叶斯网络，第十三届人工智能不确定性会议论文集。《第十三届人工智能不确定性会议论文集》，UAI’97，198-207（1997），Morgan Kaufmann Publishers Inc.：Morgan Koufmann-Publishers Inc.美国加利福尼亚州旧金山
[17] 佩恩科普夫，F。；Wohlmayr，M.，《关于贝叶斯网络分类器的判别参数学习》，Proc。ECML PKDD，221-237（2009）
[18] 北卡罗来纳州扎伊迪。；Cerquides，J。；卡曼，M.J。；Webb，G.I.，通过属性权重缓解朴素贝叶斯属性独立性假设，J.Mach。学习。1947-1988年第14号决议（2013年）·Zbl 1317.68199号
[19] 张杰。；Sanderson，A.，Jade：具有可选外部存档的自适应差分进化，IEEE Trans。进化。计算。，13, 945-958 (2009)
[20] 梅祖拉·蒙特斯，E。；Velázquez-Reyes，J。；Coello，C.A.C.，《用于全局优化的差异进化变体的比较研究》，第八届遗传和进化计算年会论文集-GECCO’06，485-492（2006），ACM出版社
[21] Tanabe，R。；Fukunaga，A.，《使用线性种群规模缩减改进阴影搜索性能》，见Proc。IEEE C.进化。计算。，1658-1665 (2014)
[22] 高，S。；Yu，Y。；Wang，Y。；Wang，J。；Cheng，J。；Zhou，M.，用于优化的混沌局部搜索差分进化算法，IEEE系统、人与控制论事务：系统，1-14（2020）
[23] 库根，L。；Cios，K.，CAIM离散化算法，IEEE Trans。知识。数据工程，16，2，145-153（2004）
[24] Breiman，L.，《随机森林》，马赫。学习。，45, 1, 5-32 (2001) ·兹比尔1007.68152
[25] 里普利，B.D.，模式识别和神经网络（1996），剑桥大学出版社·Zbl 0853.62046号
[26] Quinlan，J.R.，《改进c4.5中连续属性的使用》，《人工智能研究杂志》，477-90（1996）·Zbl 0900.68112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。