吉·沃姆勒 噪声或模型的泛化。 （英语） Zbl 1374.68430号 凯贝内提卡 51，第3期，508-524（2015）. 小结：在本文中，我们推广了噪声-or模型。概括起来有三个方面。首先，我们允许父母是多值序数变量。其次，父母可以对他们共同的孩子产生积极和消极的影响。第三，我们描述了如何将建议的泛化扩展到多值子变量。我们泛化的主要优点是，每个父级只需要一个参数。我们提出了一种模型学习方法，并报告了路透社文本分类数据的实验结果。广义有噪或模型实现了与标准有噪或相同或更好的性能。本文所建议的噪声-阶模型及其推广的一个重要特性是，与逻辑回归模型相比，它允许更有效的精确推断。 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：贝叶斯网络；噪声-or模型；分类；广义线性模型 软件：LBFGS-B型；R（右） PDF格式BibTeX公司 XML格式引用 \textit{J.Vomlel}，Kybernetika 51，No.3，508--524（2015；Zbl 1374.68430） 全文： 内政部 链接 参考文献： [1] Almond，R.G.、Mislevy，R.J.、Steinberg，L.、Yan，D.、Williamson，D.：教育评估中的贝叶斯网络。社会和行为科学统计。施普林格，纽约，2015年·doi:10.1007/978-1-4939-2125-6 [2] Apté，Ch.，Damerau，F.，Weiss，S.M.：文本分类决策规则的自动学习。ACM事务处理。通知。系统。12 (1994), 3, 233-251. ·数字对象标识代码：10.1145/183422.183423 [3] Byrd，R.H.，Lu，P.，Nocedal，J.，Zhu，C.：边界约束优化的有限内存算法。SIAM J.科学。计算。16 (1995), 1190-1208. ·Zbl 0836.65080号 ·doi:10.1137/0916069 [4] Díez，F.J.：贝叶斯网络中的参数调整。广义噪声或门。程序。第九届人工智能不确定性会议，Morgan Kaufmann，1993年，第99-105页·doi:10.1016/b978-1-4832-1451-1.50016-0 [5] Díez，F.J.，Druzdzel，M.J.：知识工程的标准概率模型。技术报告CISIAD-06-01，UNED，马德里，2006。 [6] Díez，F.J.，Galán，S.F.：噪声MAX.Int.J.Intell的有效因式分解。系统。18 (2003), 165-177. ·Zbl 1028.68164号 ·doi:10.1002/int.10080 [7] Heckerman，D.，Breese，J.：因果独立的新视角。程序。第十届人工智能不确定性会议，西雅图，Morgan Kaufmann，1994年，第286-292页·doi:10.1016/b978-1-55860-332-5.50041-9 [8] Henrion，M.：构建贝叶斯信念网络的实际问题。第三届人工智能不确定性年会，AUAI出版社1987年，第132-139页。 [9] Jensen，F.V.，Nielsen，T.D.：贝叶斯网络和决策图。第二版。施普林格，2007年·Zbl 1277.62007年 ·doi:10.1007/978-0-387-68282-2 [10] McCullagh，P.：有序数据的回归模型。J.罗伊。统计师。Soc.系列B（方法学）42（1980），109-142·Zbl 0483.62056号 [11] McCullagh，P.，Nelder，J.A.：广义线性模型。查普曼和霍尔，伦敦，1989年·兹比尔074462098 ·doi:10.1007/978-1-4899-3242-6 [12] Miller，R.A.、Fasarie，F.E.、Myers，J.D.：诊断帮助的快速医学参考（QMR）。医学计算机。3 (1986), 34-48. [13] Neal，R.M.：信仰网络的联结主义学习。Artif公司。智力。56 (1992), 1, 71-113. ·Zbl 0761.68081号 ·doi:10.1016/0004-3702（92）90065-6 [14] Pearl，J.：《智能系统中的概率推理：合理推理网络》。Morgan Kaufman，圣马特奥，1988年·Zbl 0746.68089号 [15] 团队，R开发核心：R：统计计算的语言和环境。R统计计算基金会，2008年维也纳。 [16] Rijmen，F.：条件概率的逻辑回归模型贝叶斯网络。国际期刊近似推理。48 (2008), 2, 659-666. ·Zbl 1184.62039号 ·doi:10.1016/j.ijar.2008.01.01 [17] Samejima，F.：使用辐射分数的反应模式评估潜在能力（心理测量专题论文第17号）。里士满心理测量学会，1969年。 [18] Saul，L.K.，Jaakkola，T.，Jordan，M.I.：乙状结肠信念网络的平均场理论。J.阿蒂夫。智力。第4号决议（1996年），61-76·Zbl 0900.68379号 [19] Savickí，P.，Vomlel，J.：在概率推理中利用张量秩一分解。Kybernetika 43（2007），5747-764·Zbl 1148.68539号 [20] Srinivas，S.：噪声或模型的推广。程序。第九届人工智能不确定性会议，摩根·考夫曼1993年，第208-215页·doi:10.1016/b978-1-4832-1451-1.50030-5 [21] Vomlel，J.：噪音或分类器。《国际情报杂志》。系统。21 (2006), 381-398. ·兹比尔1160.68584 ·doi:10.1002/int.20141 [22] Vomlel，J.：噪声或模型对多值父变量的推广。程序。2013年第16届中日不确定性数据分析与决策研讨会，第19-27页。 [23] Vomlel，J.，Tichavskí，P.：关于贝叶斯网络中条件概率表的张量秩。预印本arXiv:1409.62872014。 [24] Zagorecki，A.，Druzdzel，M.J.：贝叶斯网络的知识工程：噪声-MAX分布在实践中有多常见？。IEEE传输。《系统、人与控制论：系统43》（2013）186-195·doi:10.1109/tsmca.2012.2189880 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。