Learning Probabilistic Networks from Databases

从数据库学习概率网络

• 批准号: 9111590
• 负责人: Gregory Cooper
• 金额: $ 10.81万
• 依托单位: University of Pittsburgh
• 依托单位国家: 美国
• 项目类别: Continuing Grant
• 财政年份: 1991
• 资助国家: 美国
• 起止时间: 1991-09-01 至 1994-02-28
• 项目状态: 已结题
• 来源: https://www.nsf.gov/awardsearch/showAward?AWD_ID=9111590&HistoricalAwards=false
• 关键词: Learning; Probabilistic; Networks; Databases

This research investigates Bayesian methods for constructing probabilistic networks from databases. Its main focus is on constructing Bayesian belief networks. Primary goals are to (1) develop methods for calculating the probability of a Bayesian belief-network structure given a database of cases, (2) identify the most probable belief-network structure given a database of cases, and (3) perform probabilistic inference by taking a weighted average over the inferences of multiple belief networks. Potential applications include computer-assisted hypothesis testing, automated scientific discovery, and automated construction of probabilistic expert systems. Methods will be explored for intergrateing prior knowledge with data, handling missing data, and discovering hidden (latent) variables. Of particular concern is the development of computationally efficient algorithms. The methods developed will be empirically evaluated using databases from several domains. //

本研究探讨贝叶斯方法构建 数据库中的概率网络。 其主要重点是 构建贝叶斯信念网络。 主要目标是（1） 开发计算贝叶斯概率的方法， 给出一个置信网络结构的案例数据库，（2）识别 最可能的信念网络结构，给定数据库， 的情况下，和（3）执行概率推理，通过采取 对多个信念网络的推断进行加权平均。 潜在的应用包括计算机辅助假设 测试，自动化科学发现， 概率专家系统的构建。 方法将 探索将先验知识与数据、处理 丢失数据和发现隐藏（潜在）变量。 的 特别值得关注的是计算的发展 高效算法 开发的方法将是经验性的 使用来自多个领域的数据库进行评估。 //