Benutzer: Gast  Login
Originaltitel:
Discrete Optimisation in Machine Learning - Learning of Bayesian Network Structures and Conditional Independence Implication 
Übersetzter Titel:
Diskrete Optimierung im Machinellen Lernen - Strukturlernen Bayes'scher Netze und Implikation bedingter Unabhängigkeit 
Jahr:
2012 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Mathematik 
Betreuer:
Hemmecke, Raymond (Prof. Dr.) 
Gutachter:
Hemmecke, Raymond (Prof. Dr.); Schultz, Rüdiger (Prof. Dr.); Yoshida, Ruriko (Prof.) 
Sprache:
en 
Fachgebiet:
MAT Mathematik 
Stichworte:
Bayesian network structures, learning Bayesian network structures, representatives of Bayesian network structures, conditional independence implication 
Übersetzte Stichworte:
Strukturen Bayes'scher Netze, Strukturlernen Bayes'scher Netze, Repräsentanten Bayes'scher Netze, Implikation bedingter Unabhängigkeit 
Kurzfassung:
Learning of Bayesian network structures is a NP-hard nonlinear combinatorial optimisation problem. This problem can be transformed into a linear problem but in exponential dimension using the newly introduced characteristic imsets which are combinatorial representatives. These 0/1-vectors enable us to obtain theoretical results and to use well-known optimisation software for the learning of Bayesian network structures Moreover the conditional implication problem can be formulated with characteri...    »
 
Übersetzte Kurzfassung:
Das Strukturlernen Bayes'scher Netze ist ein NP-schweres nichtlineares kombinatorisches Optimierungsproblem. Mit Hilfe von kombinatorischen Repräsentanten wie den neu definierten charakteristischen Imsets kann dieses nichtlineare Problem in ein lineares Problem, jedoch mit exponentiell vielen Variablen, transformiert werden. Diese 0/1-Vektoren ermöglichen es uns theoretische Resultate herzuleiten und bekannte Optimierunssoftware zum Strukturlernen zu nutzen. Darüberhinaus lässt sich das Problem...    »
 
Mündliche Prüfung:
13.02.2012 
Dateigröße:
1357683 bytes 
Seiten:
177 
Letzte Änderung:
08.03.2012