Задача локального автоматического обучения в алгебраических байесовских сетях: логико-вероятностный подход
Аннотация
Одной из проблем, сдерживающих развитие интеллектуальных информационных систем, является дефицит знаний (knowledge bottleneck). Среди перспективных способов его преодоления — решение задачи машинного обучения для моделей представления знаний с неопределенностью, которые используются в интеллектуальных системах. Алгебраические байесовские сети — одна из таких вероятностных графических моделей, отличающаяся от остальных тем, что позволяет представлять и обрабатывать интервальные оценки вероятности истинности. Цель работы — описать задачу автоматического обучения в отношении фрагмента знаний алгебраической байесовской сети, а также предложить пути ее решения и указать трудности, с которыми приходится сталкиваться.Литература
Загоруйко Н. Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Ин-та математики, 1999. 270 с.
Косовский Н. К., Тишков А. В. Логики конечнозначных предикатов на основе неравенств.СПб.: Изд-во СпбГУ, 2000. 286 с.
Тулупьев А. Л. Алгебраические байесовские сети: теоретические основы и непротиворечивость. СПб.: СПИИРАН, 1995. 76 с.
Тулупьев А. Л. Алгебраические байесовские сети: логико-вероятностный подход к моделированию баз знаний с неопределенностью. СПб.: СПИИРАН; ООО Изд-во «Анатолия», 2000. 282 с.
Тулупьев А. Л. Алгебраические байесовские сети: локальный логико-вероятностный вывод. СПб.: СпбГУ; Анатолия. 2007. 80 с. (Элементы мягких вычислений.)
Тулупьев А. Л. Алгебраические байесовские сети: глобальный логико-вероятностный вывод. СПб.: СпбГУ; Анатолия. 2007. 40 с. (Элементы мягких вычислений.)
Тулупьев А. Л. Байесовские сети: логико-вероятностный вывод в циклах. СПб: Изд-во СпбГУ, 2008. 140 с. (Элементы мягких вычислений.)
Тулупьев А. Л., Сироткин А. В. Байесовские и марковские сети: логико-вероятностный вывод в базах фрагментов знаний с неопределенностью // Научн. Конф. Информационные технологии и системы, Геленджик, сентябрь 29 – октябрь 03, 2008 г.: Труды конференции. М.: ИППИ РАН, 2008. С. 440–456.
Тулупьев А. Л., Столяров Д. М., Ментюков М. В. Представление локальной и глобальной структуры алгебраической байесовской сети в Java-приложениях // Труды СПИИРАН. 2007. Вып. 5. СПб.: Наука, 2007. С. 71–99.
Тулупьев А. Л., Николенко С. И., Сироткин А. В. Байесовские сети: логико- вероятностный подход. СПб.: Наука, 2006. 607 с.
Сироткин А. В., Тулупьев А. Л. Матрично-векторные уравнения локального логиковероятностного вывода в алгебраических байесовских сетях // Труды СПИИРАН. 2008. Вып. 6. СПб.: Наука, 2008. С. 131–149.
Хованов Н. В. Анализ и синтез показателей при информационном дефиците. СПб.: Изд-во С.-Петербургского ун-та, 1996. 196 c.
Allison P. D. Missing Data. London: Sage Publications, 2001. 93 p.
Korb K. B., Nicholson A. E. Bayesian Artificial Intelligence. NY.: Chapman and Hall/CRC, 2004. 364 p.
Little R. J. A., Rubin D. Statistical Analysis with Missing Data. 2nd ed. N.Y.: Wiley, 2002. 408 c.
Perl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. NY etc.: Morgan Kaufmann Publ., 1994. 552 p.
Косовский Н. К., Тишков А. В. Логики конечнозначных предикатов на основе неравенств.СПб.: Изд-во СпбГУ, 2000. 286 с.
Тулупьев А. Л. Алгебраические байесовские сети: теоретические основы и непротиворечивость. СПб.: СПИИРАН, 1995. 76 с.
Тулупьев А. Л. Алгебраические байесовские сети: логико-вероятностный подход к моделированию баз знаний с неопределенностью. СПб.: СПИИРАН; ООО Изд-во «Анатолия», 2000. 282 с.
Тулупьев А. Л. Алгебраические байесовские сети: локальный логико-вероятностный вывод. СПб.: СпбГУ; Анатолия. 2007. 80 с. (Элементы мягких вычислений.)
Тулупьев А. Л. Алгебраические байесовские сети: глобальный логико-вероятностный вывод. СПб.: СпбГУ; Анатолия. 2007. 40 с. (Элементы мягких вычислений.)
Тулупьев А. Л. Байесовские сети: логико-вероятностный вывод в циклах. СПб: Изд-во СпбГУ, 2008. 140 с. (Элементы мягких вычислений.)
Тулупьев А. Л., Сироткин А. В. Байесовские и марковские сети: логико-вероятностный вывод в базах фрагментов знаний с неопределенностью // Научн. Конф. Информационные технологии и системы, Геленджик, сентябрь 29 – октябрь 03, 2008 г.: Труды конференции. М.: ИППИ РАН, 2008. С. 440–456.
Тулупьев А. Л., Столяров Д. М., Ментюков М. В. Представление локальной и глобальной структуры алгебраической байесовской сети в Java-приложениях // Труды СПИИРАН. 2007. Вып. 5. СПб.: Наука, 2007. С. 71–99.
Тулупьев А. Л., Николенко С. И., Сироткин А. В. Байесовские сети: логико- вероятностный подход. СПб.: Наука, 2006. 607 с.
Сироткин А. В., Тулупьев А. Л. Матрично-векторные уравнения локального логиковероятностного вывода в алгебраических байесовских сетях // Труды СПИИРАН. 2008. Вып. 6. СПб.: Наука, 2008. С. 131–149.
Хованов Н. В. Анализ и синтез показателей при информационном дефиците. СПб.: Изд-во С.-Петербургского ун-та, 1996. 196 c.
Allison P. D. Missing Data. London: Sage Publications, 2001. 93 p.
Korb K. B., Nicholson A. E. Bayesian Artificial Intelligence. NY.: Chapman and Hall/CRC, 2004. 364 p.
Little R. J. A., Rubin D. Statistical Analysis with Missing Data. 2nd ed. N.Y.: Wiley, 2002. 408 c.
Perl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. NY etc.: Morgan Kaufmann Publ., 1994. 552 p.
Опубликован
2008-04-01
Как цитировать
Тулупьев,. (2008). Задача локального автоматического обучения в алгебраических байесовских сетях: логико-вероятностный подход. Труды СПИИРАН, (7), 11-25. https://doi.org/10.15622/sp.7.1
Выпуск
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
