Generalizations of the noisy-or model

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F15%3A00447357" target="_blank" >RIV/67985556:_____/15:00447357 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61384399:31160/15:00048046

Výsledek na webu

<a href="http://dx.doi.org/10.14736/kyb-2015-3-0508" target="_blank" >http://dx.doi.org/10.14736/kyb-2015-3-0508</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.14736/kyb-2015-3-0508" target="_blank" >10.14736/kyb-2015-3-0508</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Generalizations of the noisy-or model

Popis výsledku v původním jazyce

We generalize the noisy-or model. The generalizations are three-fold. First, we allow parents to be multivalued ordinal variables. Second, parents can have both positive and negative influences on their common child. Third, we describe how the suggested generalization can be extended to multivalued child variables. The major advantage of our generalizations is that they require only one parameter per parent. We suggest a model learning method and report results of experiments on the Reuters text classification data. The generalized noisy-or models achieve equal or better performance than the standard noisy-or. An important property of the noisy-or model and of its generalizations suggested in this paper is that it allows more efficient exact inference than logistic regression models do.

Název v anglickém jazyce

Generalizations of the noisy-or model

Popis výsledku anglicky

We generalize the noisy-or model. The generalizations are three-fold. First, we allow parents to be multivalued ordinal variables. Second, parents can have both positive and negative influences on their common child. Third, we describe how the suggested generalization can be extended to multivalued child variables. The major advantage of our generalizations is that they require only one parameter per parent. We suggest a model learning method and report results of experiments on the Reuters text classification data. The generalized noisy-or models achieve equal or better performance than the standard noisy-or. An important property of the noisy-or model and of its generalizations suggested in this paper is that it allows more efficient exact inference than logistic regression models do.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

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

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název periodika

Kybernetika

ISSN

0023-5954

e-ISSN

—

Svazek periodika

51

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

17

Strana od-do

508-524

Kód UT WoS článku

000361266300009

EID výsledku v databázi Scopus

2-s2.0-84940054304