Powiadomienia systemowe
- Sesja wygasła!
Tytuł artykułu
Treść / Zawartość
Pełne teksty:
Identyfikatory
Warianty tytułu
Generacje w sieciach bayesowskich
Języki publikacji
Abstrakty
This paper focuses on the study of some aspects of the theory of oriented graphs in Bayesian networks. In some papers on the theory of Bayesian networks, the concept of “Generation of vertices” denotes a certain set of vertices with many parents belonging to previous generations. Terminology for this concept, in our opinion, has not yet fully developed. The concept of “Generation” in some cases makes it easier to solve some problems in Bayesian networks and to build simpler algorithms. In this paper we will consider the well-known example “Asia”, described in many articles and books, as well as in the technical documentation for various toolboxes. For the construction of this example, we have used evaluation versions of AgenaRisk.
Niniejszy artykuł koncentruje się na badaniu pewnych aspektów teorii zorientowanych grafów w sieciach bayesowskich. W niektórych artykułach na temat teorii sieci bayesowskich pojęcie „generacji wierzchołków” oznacza pewien zestaw wierzchołków z wieloma rodzicami należącymi do poprzednich generacji. Terminologia tego pojęcia, naszym zdaniem, nie została jeszcze w pełni rozwinięta. Koncepcja „Generacji” w niektórych przypadkach ułatwia rozwiązywanie niektórych problemów w sieciach bayesowskich i budowanie prostszych algorytmów. W tym artykule rozważymy dobrze znany przykład „Azja”, opisany w wielu artykułach i książkach, a także w dokumentacji technicznej różnych zestawów narzędzi. Do budowy tego przykładu wykorzystaliśmy wersje testowe AgenaRisk.
Rocznik
Tom
Strony
10--13
Opis fizyczny
Bibliogr. 13 poz., rys.
Twórcy
autor
- Chair of Mathematics for Uncertainty Quantification, RWTH Aachen, Aachen, Germany
autor
- Institute of Information and Computational Technologies, Almaty, Kazakhstan
autor
- Institute of Information and Computational Technologies, Almaty, Kazakhstan
autor
- Institute of Information and Computational Technologies, Almaty, Kazakhstan
Bibliografia
- [1] AgenaRisk 7.0 User Manual. 2016.
- [2] Bidyuk P., Terentyev A.: Construction and methods of learning of Bayesian Networks. Tavricheskiy vestnik informatiki i matematiki 2/2004, 139–154.
- [3] Getting Started with AgenaRisk. 2013.
- [4] http://web4.cs.ucl.ac.uk/staff/D.Barber/textbook/020217.pdf (available 15.05.2019).
- [5] http://www.agenarisk.com (available 15.05.2019).
- [6] http://www.businessdataanalytics.ru/download/BayesianNetworks.pdf (available 15.05.2019).
- [7] http://www.cs.technion.ac.il/~dang/books/Learning%20Bayesian%20Networks(Neapolitan,%20Richard).pdf (available 15.05.2019).
- [8] http://www.stat.yale.edu/~jtc5/BioinformaticsCourse2001/MurphyBayesNetIntro.pdf (available 15.05.2019).
- [9] https://pdfs.semanticscholar.org/7bc7/54bc548f32b9ac53df67e3171e8e4df66d15.pdf (available 15.05.2019).
- [10] Jensen F.V., Nielsen T.D.: Bayesian Networks and Decision Graphs. Springer, 2007.
- [11] Litvinenko N., Litvinenko A., Mamyrbayev O., Shayakhmetova A.: On the issue of classification of types of evidence in Bayesian networks. IPIC, Almaty 2018.
- [12] Litvinenko N., Litvinenko A., Mamyrbayev O., Shayakhmetova A.: Work with Bayesian Networks in BAYESIALAB. IPIC, Almaty 2018.
- [13] Murphy K.P.: Machine Learning A Probabilistic Perspective. MIT Press, 2012.
Uwagi
Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-c4ac378d-6ba7-4d59-acb3-bf1145358458