Structure discovery in Bayesian net

Structure discovery in Bayesian networks has attracted a great deal of research over the last decade.
A Bayesian network specifies a joint probability distribution of a set of random variables in a structured
fashion. A key component in this model is the network structure, a directed acyclic graph
on the variables, encoding a set of conditional independence assertions. Learning unknown dependencies
from data is motivated by a broad collection of applications in prediction and inference
(Heckerman et al., 1995b)

ผลลัพธ์ (ไทย) 1:

การค้นพบโครงสร้างในทฤษฎีเครือข่ายได้ดึงดูดมากวิจัยมากกว่าทศวรรษทฤษฎีเครือข่ายระบุการกระจายความน่าเป็นร่วมของชุดของตัวแปรสุ่มที่มีโครงสร้างแฟชั่น ส่วนประกอบสำคัญในรูปแบบนี้เป็นโครงสร้างเครือข่าย กราฟ acyclic โดยตรงบนตัวแปร การเข้ารหัสชุด assertions เป็นอิสระแบบมีเงื่อนไข ขึ้นไม่รู้จักการเรียนรู้จากข้อมูลที่เป็นแรงจูงใจ โดยคอลเลกชันที่กว้างของโปรแกรมประยุกต์ในการคาดเดาและข้อ(Heckerman et al., 1995b)

ผลลัพธ์ (ไทย) 2:

การค้นพบโครงสร้างเครือข่ายแบบเบย์ได้ดึงดูดการจัดการที่ดีของการวิจัยในช่วงทศวรรษที่ผ่านมา. เครือข่ายแบบเบย์ระบุกระจายความน่าจะร่วมกันของชุดของตัวแปรสุ่มในโครงสร้างแฟชั่น ส่วนประกอบที่สำคัญในรุ่นนี้เป็นโครงสร้างเครือข่ายชี้นำวัฏจักรกราฟในตัวแปรชุดของการเข้ารหัสยืนยันความเป็นอิสระเงื่อนไข การเรียนรู้ที่ไม่รู้จักการอ้างอิงจากข้อมูลที่เป็นแรงบันดาลใจจากคอลเลกชันในวงกว้างของการใช้งานในการคาดการณ์และการอนุมาน(Heckerman et al., 1995b)

ผลลัพธ์ (ไทย) 3:

การค้นพบโครงสร้างเครือข่ายแบบดึงดูดการจัดการที่ดีของการวิจัยมากกว่าทศวรรษที่ผ่านมา .
เครือข่ายคชกรรมระบุการแจกแจงความน่าจะเป็นร่วมชุดของตัวแปรสุ่มในโครงสร้าง
แฟชั่น ส่วนประกอบที่สำคัญในรุ่นนี้คือ โครงสร้างเครือข่ายโดยตรงบนกราฟ
หว่าตัวแปรชุดของเงื่อนไขความเป็นอิสระยืนยันการเข้ารหัสเรียนรู้จักพึ่งพา
จากข้อมูลที่เป็นแรงจูงใจจากคอลเลกชันกว้างของการประยุกต์ใช้ในการทำนายและการอนุมาน
( heckerman et al . , 1995b )