项目名称: 分布无关的概率图模型结构学习方法的研究

项目编号: No.11626173

项目类型: 专项基金项目

立项/批准年度: 2016

项目学科: 数理科学和化学

项目作者: 李纯

作者单位: 天津职业技术师范大学

项目金额: 3万元

中文摘要: 概率图模型是不确定性知识表达和推理领域的一种有效的理论模型,是一个有力的多变量而且变量关系可视化的建模工具,其在实际生产生活中有着广泛的应用前景。本课题的主要研究内容在于:首先,研究对输入数据的概率分布不作假设或限制的概率图模型结构学习算法;其次,在不作分布假设的基础之上,针对马尔科夫网,研究提高结构学习算法处理高维数据能力的方法;最后,将本课题提出的结构学习算法应用于基因调控网和细胞信号传导通路的构建。我们的研究目标包含以下三方面:第一,从提出分布无关的条件独立性检验入手,针对基于约束的图模型结构学习方法,使其具有更广的适用范围;第二,建立在前一步基础之上,通过设计分布无关的得分函数,提出能够处理具有更高维度的马尔可夫网络的结构学习方法;第三,将本课题中的算法应用于真实的生物数据,由此验证已有的关于网络结构的假设,或发现新的变量间的相互作用。

中文关键词: 贝叶斯网络;概率图模型;结构学习;条件独立性检验;

英文摘要: Graphical models are powerful for representing conditional independence relationships among multiple variables. Numerous application examples of graphical models can be easily found in areas including bioinformatics, image processing, social science, cont

英文关键词: Bayesian network;Probabilistic graphical model;Structure learning;Conditional independence test;

成为VIP会员查看完整内容
4

相关内容

贝叶斯网络是一种概率网络,它是基于概率推理的图形化网络,而贝叶斯公式则是这个概率网络的基础。贝叶斯网络是基于概率推理的数学模型,所谓概率推理就是通过一些变量的信息来获取其他的概率信息的过程,基于概率推理的贝叶斯网络(Bayesian network)是为了解决不定性和不完整性问题而提出的,它对于解决复杂设备不确定性和关联性引起的故障有很大的优势,在多个领域中获得广泛应用。
贝叶斯迁移学习: 迁移学习的概率图模型概述
专知会员服务
67+阅读 · 2021年10月17日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
26+阅读 · 2021年7月11日
专知会员服务
73+阅读 · 2021年6月12日
【2021新书】概率图模型:原理与应用,370页pdf
专知会员服务
231+阅读 · 2021年5月26日
专知会员服务
143+阅读 · 2021年2月3日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
机器学习领域必知必会的12种概率分布(附Python代码实现)
算法与数学之美
21+阅读 · 2019年10月18日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
【干货】深入理解变分自编码器
专知
21+阅读 · 2018年3月22日
深度 | 变分自编码器VAE面临的挑战与发展方向
机器之心
16+阅读 · 2018年3月21日
一文读懂机器学习概率图模型(附示例&学习资源)
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
8+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
12+阅读 · 2018年1月12日
小贴士
相关VIP内容
贝叶斯迁移学习: 迁移学习的概率图模型概述
专知会员服务
67+阅读 · 2021年10月17日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
26+阅读 · 2021年7月11日
专知会员服务
73+阅读 · 2021年6月12日
【2021新书】概率图模型:原理与应用,370页pdf
专知会员服务
231+阅读 · 2021年5月26日
专知会员服务
143+阅读 · 2021年2月3日
相关资讯
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
机器学习领域必知必会的12种概率分布(附Python代码实现)
算法与数学之美
21+阅读 · 2019年10月18日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
【干货】深入理解变分自编码器
专知
21+阅读 · 2018年3月22日
深度 | 变分自编码器VAE面临的挑战与发展方向
机器之心
16+阅读 · 2018年3月21日
一文读懂机器学习概率图模型(附示例&学习资源)
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
8+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员