Vše
Vše

Co hledáte?

Vše
Projekty
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Rozklady bayesovských sítí indukované kompozicionálními modely

Popis výsledku

V příspěvku je diskutován vztah dvou typů mnohorozměrných pravděpodobnostních modelů, které jsou v jistém smyslu ekvivalentní: bayesovské sítě a kompozicionální modely. Na základě analýzy algoritmů převádějících jeden model na druhý je ukázán základní rozdíl, který umožňuje vysvětlit, proč je proces marginalizace kompozicionálních modelů algoritmicky jednodušší, než marginalizace kompozicionálních modelů

Klíčová slova

Bayesian networkdecomposition

Identifikátory výsledku

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Decomposition of Bayesian networks induced by compositional models

  • Popis výsledku v původním jazyce

    In this contribution we shall discuss relation of two types of multidimensional models introduced within the framework of probability theory, which appeared to be in a sense equivalent: Bayesian networks and compositional models. Based on analysis of algorithms transforming one type of model into the other, we shall reveal a principal difference, which explains why marginalization is sometimes more efficient in compositional models than in Bayesian networks.

  • Název v anglickém jazyce

    Decomposition of Bayesian networks induced by compositional models

  • Popis výsledku anglicky

    In this contribution we shall discuss relation of two types of multidimensional models introduced within the framework of probability theory, which appeared to be in a sense equivalent: Bayesian networks and compositional models. Based on analysis of algorithms transforming one type of model into the other, we shall reveal a principal difference, which explains why marginalization is sometimes more efficient in compositional models than in Bayesian networks.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BA - Obecná matematika

  • OECD FORD obor

Návaznosti výsledku

Ostatní

  • Rok uplatnění

    2004

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the Second European Workshop on Probabilistic Graphical Models

  • ISBN

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    129-136

  • Název nakladatele

    University of Nijmegen

  • Místo vydání

    Nijmegen

  • Místo konání akce

    Leiden

  • Datum konání akce

    4. 10. 2004

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

Základní informace

Druh výsledku

D - Stať ve sborníku

D

CEP

BA - Obecná matematika

Rok uplatnění

2004