首页> 中文会议>2011中国人工生命与智能机器人会议 >基于灵敏性分析的局部因果结构扰动学习方法

基于灵敏性分析的局部因果结构扰动学习方法

摘要

针对利用扰动方法学习概率模型因果关系时,需要扰动的边难以选取问题,提出一种基于灵敏性分析的局部因果结构扰动学习算法( Structural Intervention Learning of Sensitivity Analysis–SILSA算法)。SILSA算法利用K2算法生成初始网络结构,并利用联合树算法对网络结构进行分解,然后对联合树中每个团进行局部扰动学习,可以有效地减小选取扰动边的搜索范围;针对所选取的扰动边,利用结构扰动准则对边进行扰动,以定向准则进行扰动学习,得到网络的因果结构。为了寻找到合适的扰动边,SILSA算法利用灵敏性分析确定边的重要性,提出了一种基于网络中边的重要性分析的扰动边选取方法,以提高扰动边选取的有效性。实验比较和分析表明SILSA算法的有效性,算法的性能明显好于被动学习、随机选取扰动边的学习方法。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号