کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6858809 1438409 2018 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Discovery of statistical equivalence classes using computer algebra
ترجمه فارسی عنوان
کشف مقادیر آماری با استفاده از جبر کامپیوتری
کلمات کلیدی
مدل های گرافیکی، الگوهای درختی درختی، جبر کامپیوتر، تجزیه ایده آل، آمار جبری
ترجمه چکیده
مدل های آماری گسسته بر روی درخت های رویداد نشانه گذاری شده می توانند با استفاده از چندجمله ای به اصطلاح تعبیه شده تعمیم دهند که تعاریف تولید توابع است. این ها نماینده ی توانی هستند که مفهومی است که در این مقاله رسمی شده است. یک الگوریتم جدید از تجزیه اولیه ایده آلهای مونومی که با یک چندجمله ای درون یابی استفاده می کند، به سرعت محاسبۀ تمام بازنویسی های توزیع آن چند جملهای است. به این ترتیب، یک زیرمجموعه مهم از همه درختانی که یک مدل آماری مشابه را تشکیل می دهند، تعیین می کند. برای نشان دادن این روش، کلاس کامل همبستگی کامل یک درخت صحنه ای را نشان می دهد که بهترین مدل مناسب را که از مجموعه داده های دنیای واقعی به دست آمده است، تحلیل می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Discrete statistical models supported on labeled event trees can be specified using so-called interpolating polynomials which are generalizations of generating functions. These admit a nested representation which is a notion formalized in this paper. A new algorithm exploits the primary decomposition of monomial ideals associated with an interpolating polynomial to quickly compute all nested representations of that polynomial. It hereby determines an important subclass of all trees representing the same statistical model. To illustrate this method we analyze the full polynomial equivalence class of a staged tree representing the best fitting model inferred from a real-world dataset.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Approximate Reasoning - Volume 95, April 2018, Pages 167-184
نویسندگان
, , , ,