Benutzer: Gast  Login
Originaltitel:
Large-Scale Bayesian Network Structure Learning 
Übersetzter Titel:
Strukturlernen großer Bayesianischer Netze 
Jahr:
2013 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Runkler, Thomas (Prof. Dr.) 
Gutachter:
Runkler, Thomas (Prof. Dr.); Rost, Burkhard (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
Stichworte:
Machine Learning, Graphical Models, Bayesian Networks, Structure Learning 
Übersetzte Stichworte:
Maschinelles Lernen, Graphische Modelle, Bayes’sche Netze, Strukturlernen 
Schlagworte (SWD):
Bayes-Netz; Strukturlernen 
TU-Systematik:
DAT 708d; DAT 537d; MAT 055d; MAT 600d 
Kurzfassung:
Learning the structure of Bayesian networks is an NP-hard problem. Hence, if learning from high-dimensional data with many networks nodes, usually a small subset of nodes is selected, and the structure is only learned for this small subset. On the one hand, this thesis addresses the effect on the quality of the learned network structure if the reduction of dimensions is applied. New methods are introduced to measure the quality of the structure. On the other hand, new approaches are introduced t...    »
 
Übersetzte Kurzfassung:
Das Strukturlernen von Bayesianischen Netzen ist ein Problem, dessen Komplexität NP-schwer in der Anzahl der Knoten ist. Deshalb wird üblicherweise beim Strukturlernen von hochdimensionalen Daten eine kleine Untermenge selektiert, und in Wirklichkeit nur für wenige selektierte Knoten die Netzstruktur gelernt. Die vorliegende Arbeit befasst sich einerseits mit der Qualität der gelernten Struktur bei Anwendung der Dimensionsreduktion. Dazu werden neue Methoden eingeführt, um die Qualität bewerten...    »
 
Mündliche Prüfung:
22.04.2013 
Dateigröße:
1194443 bytes 
Seiten:
180 
Letzte Änderung:
19.07.2013