Learning Bayesian network parameters under equivalence constraints

ما یک رویکرد اصولی برای پارامترهای یادگیری در شبکه های بیزی از مجموعه داده های ناقص، که در آن نمونه هایی از یک مجموعه داده به موضوع هم ارزی محدودیت ارائه شده است. این محدودیت ارزی از مجموعه داده های که در آن نمونه با هم گره خورده است، در که ما ممکن است ارزش یک متغیر خاص مطمئن شوید که بوجود می آیند، اما هر چه که ارزش است، ما می دانیم باید آن را همان در سراسر نمونه های مختلف باشد. ما مشکل را با تعریف مفهوم یک مجموعه داده محدود و یک احتمال متناظر با آن که ما به دنبال آن هستیم بهینه سازی می کنیم. ما بیشتر یک الگوریتم یادگیری جدید است که می تواند به طور موثر یادگیری شبکه های دقیق تر بیزی با استفاده از محدودیت های ارزی، که ما نشان می دهد تجربی. علاوه بر این، ما برجسته چگونه رویکرد کلی ما را می توان وارده به وظایف یادگیری تخصصی تر، مانند کسانی که در خوشه بندی نیمه تحت نظارت و مدل سازی موضوع، که در آن روش دامنه خاص که قبلا تهیه شده است.