Consistency of Bayesian Network Structure Learning

贝叶斯网络结构学习的一致性

• 批准号: 21500138
• 负责人: SUZUKI Joe
• 金额: $ 2.75万
• 依托单位: Osaka University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2009
• 资助国家: 日本
• 起止时间: 2009 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21500138/
• 关键词: ベイズネット; 情報量基準; 一致性; ガウシアン; 統計科学; ベイジアンネットワーク; モデル選択; 因果同定; 離散変数と連続変数; 線形回帰分析; Hannan-Quinn

This research address the problem of finding the true structure of a Baysian network (BN) from a finite sample of examples. In particular, we apply information criteria which is expressed by the sum of likelihood and complexity of the BN structure. If the latter is too stressed, we cannot obtain the true structure even if the number of examples grows. We found the condition that the true one is obtained with probability one, and proved it.

本研究解决了从有限样本的例子中找到贝叶斯网络（BN）的真实结构的问题。特别是，我们应用的信息标准表示的BN结构的可能性和复杂性的总和。如果后者过于强调，即使例子的数量增加，我们也不能获得真实的结构。我们找到了真值的概率为1的条件，并证明了这一条件。

项目成果

一般的な確率変数に対するChow-Liuアルゴリズム

一般随机变量的 Chow-Liu 算法

• 发表时间: 2009
• 作者: Katsuhiko Nakamura and Keita Imada;鈴木譲
• 通讯作者: 鈴木譲

MDL/Bayesian Criteria based on Universal Coding/Measure

基于通用编码/测量的 MDL/贝叶斯准则

• 发表时间: 2011
• 作者: Kazutaka Shimada;Suguru Ishikawa;Tsutomu Endo;Shibata Ryoko;Joe Suzuki
• 通讯作者: Joe Suzuki

Chow-Liuアルゴリズムの一般化と、木の複雑さを考慮した修正版について

考虑树复杂度的 Chow-Liu 算法的推广和修改版本

• 发表时间: 2009
• 作者: 石田悠;鈴木譲
• 通讯作者: 鈴木譲

離散と連続の属性値が混在した場合のベイジアンネツトワークの構造学習

离散和连续属性值混合时贝叶斯网络的结构学习

• 发表时间: 2012
• 作者: 武藤亮介;嶋田和孝;遠藤勉;本多透;鈴木譲
• 通讯作者: 鈴木譲

離散や連続を仮定しないMDL基準の一般化

不假设离散性或连续性的 MDL 标准的推广

• 发表时间: 2010
• 作者: Ishikawa;Shinozawa;Sakurai;鈴木譲
• 通讯作者: 鈴木譲