Learning Bayesian network structure: towards the essential graph by integer linear programming tools
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F14%3A00427002" target="_blank" >RIV/67985556:_____/14:00427002 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1016/j.ijar.2013.09.016" target="_blank" >http://dx.doi.org/10.1016/j.ijar.2013.09.016</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.ijar.2013.09.016" target="_blank" >10.1016/j.ijar.2013.09.016</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Learning Bayesian network structure: towards the essential graph by integer linear programming tools
Popis výsledku v původním jazyce
The basic idea of the geometric approach to learning a Bayesian network (BN) structure is to represent every BN structure by a certain vector. If the vector representative is chosen properly, it allows one to re-formulate the task of finding the global maximum of a score over BN structures as an integer linear programming (ILP) problem. Such a suitable zero-one vector representative is the characteristic imset, introduced by Studený, Hemmecke and Lindner in 2010, in the proceedings of the 5th PGM workshop. In this paper, extensions of characteristic imsets are considered which additionally encode chain graphs without flags equivalent to acyclic directed graphs. The main contribution is a polyhedral description of the respective domain of the ILP problem, that is, by means of a set of linear inequalities.
Název v anglickém jazyce
Learning Bayesian network structure: towards the essential graph by integer linear programming tools
Popis výsledku anglicky
The basic idea of the geometric approach to learning a Bayesian network (BN) structure is to represent every BN structure by a certain vector. If the vector representative is chosen properly, it allows one to re-formulate the task of finding the global maximum of a score over BN structures as an integer linear programming (ILP) problem. Such a suitable zero-one vector representative is the characteristic imset, introduced by Studený, Hemmecke and Lindner in 2010, in the proceedings of the 5th PGM workshop. In this paper, extensions of characteristic imsets are considered which additionally encode chain graphs without flags equivalent to acyclic directed graphs. The main contribution is a polyhedral description of the respective domain of the ILP problem, that is, by means of a set of linear inequalities.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BA - Obecná matematika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA13-20012S" target="_blank" >GA13-20012S: Struktury podmíněné nezávislosti: algebraické a geometrické metody</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
International Journal of Approximate Reasoning
ISSN
0888-613X
e-ISSN
—
Svazek periodika
55
Číslo periodika v rámci svazku
4
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
29
Strana od-do
1043-1071
Kód UT WoS článku
000334087400009
EID výsledku v databázi Scopus
—