Algoritmus pro hledání rozkladu kompozicionálního modelu

Marginalizace mnohodimenzionálních pravděpodobnostních distribucí je postup, na jehož rychlosti je závislá většina výpočetních procedur realizujících výpočty s těmito distribucemi. A právě v této oblasti se jeví výhoda kompozicionálních modelů před grafickými markovskými modely (bayesovskými sítěmi), neboť podaří-li se nalézt rozklad modelu, pak lze zpravidla vypočítat marginální distribuci velice efektivně.

Inovační aspekty

Navržený algoritmus (jehož základní verze je publikována v [A0601b]) je založen na teoretických výsledcích publikovaných v [A0601a]. Umožňuje nalézt rozklad kompozicionálního modelu. Je dokázáno, že jestliže vhodný rozklad existuje, pak jej algoritmus určitě nalezne.

Přínosy

Algoritmus umožňuje navrhovat efektivní postupy pro marginalizaci mnohorozměrných pravděpodobnostních distribucí za předpokladu, že tyto jsou reprezentovány ve formě kompozicionálního modelu.

Dokumentace

  • [A0601a] Jiroušek, R., Bína, Vl.: Theoretical Foundations for Marginalization in Compositional Models. In: Watada J. (ed.) Proceedings of 9th Czech-Japan Seminar on Data Analysis and Decision Making under Uncertainty. Kitakyushu, Japan, 2006, pp. 224-231.
  • [A0601b] Jiroušek, R., Kratochvíl, V.: Marginalization algorithm for compositional models. In: Proceedings of the 11th International Conference on Information Processing and Management of Uncertianlty in Konowledge-based Systems. (Bouchon-Meunier B., Yager R. R. eds.). EDK, Paris 2006, pp. 2300-2307.
Design downloaded from Free Templates - your source for free web templates