Learning Bayesian network structures under incremental construction curricula

شبکه های بیزی برای انجام وظایف مختلف برای استدلال احتمالاتی و مدل سازی علیه موفقیت آمیز بوده اند. یکی از چالش های عمده در استفاده از شبکه های بیزی، یادگیری ساختار شبکه بیزی از داده ها است. در این مقاله، از مفاهیم یادگیری برنامه درسی استفاده می کنیم و ساختارهای شبکه بیزی را با مراحل مختلف یاد می گیریم. در هر مرحله یک زیر شبکه برای یک زیر مجموعه انتخاب شده از متغیرهای تصادفی یاد می شود. زیرمجموعه انتخاب شده با مراحل رشد می کند و در نهایت شامل تمام متغیرها می شود. ما نشان می دهیم که در رویکرد ما هر زیر شبکه هدف به شبکه هدف بیزی نزدیک تر از هر پیشینی است. نتایج تجربی نشان می دهد که الگوریتم ما از روش پیشرفته اکتشافی در یادگیری ساختار شبکه بیزی تحت چند معیار ارزیابی مختلف برتر است.