影响图模型选择中存在数据依赖性、计算复杂性和非概率关系问题.通过对影响图结构进行分解,提出PS-EM 算法对影响图的概率结构部分进行模型选择.给出一种 BP 神经网络,通过对局部效用函数的学习实现效用结构部分的模型选择,并引入权重...影响图模型选择中存在数据依赖性、计算复杂性和非概率关系问题.通过对影响图结构进行分解,提出PS-EM 算法对影响图的概率结构部分进行模型选择.给出一种 BP 神经网络,通过对局部效用函数的学习实现效用结构部分的模型选择,并引入权重阈值来避免过拟合.PS-EM 算法是在 SEM 算法中引入一种融合先验知识的MDL 评分标准来降低传统 MDL 评分对数据的依赖性,并通过将参数学习和结构评分分开计算提高计算效率.算法比较的结果显示 PS-EM 比标准 SEM 的时间性能好、对数据依赖性小,且效用部分的结构选择易于实现.展开更多
文摘影响图模型选择中存在数据依赖性、计算复杂性和非概率关系问题.通过对影响图结构进行分解,提出PS-EM 算法对影响图的概率结构部分进行模型选择.给出一种 BP 神经网络,通过对局部效用函数的学习实现效用结构部分的模型选择,并引入权重阈值来避免过拟合.PS-EM 算法是在 SEM 算法中引入一种融合先验知识的MDL 评分标准来降低传统 MDL 评分对数据的依赖性,并通过将参数学习和结构评分分开计算提高计算效率.算法比较的结果显示 PS-EM 比标准 SEM 的时间性能好、对数据依赖性小,且效用部分的结构选择易于实现.
