Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
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”

On Identifiability of BN2A Networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F23%3A00578481" target="_blank" >RIV/67985556:_____/23:00578481 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/67985807:_____/23:00579691

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-031-45608-4_11" target="_blank" >http://dx.doi.org/10.1007/978-3-031-45608-4_11</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-031-45608-4_11" target="_blank" >10.1007/978-3-031-45608-4_11</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    On Identifiability of BN2A Networks

  • Popis výsledku v původním jazyce

    In this paper, we consider two-layer Bayesian networks. The first layer consists of hidden (unobservable) variables and the second layer consists of observed variables. All variables are assumed to be binary. The variables in the second layer depend on the variables in the first layer. The dependence is characterised by conditional probability tables representing Noisy-AND or simple Noisy-AND. We will refer to this class of models as BN2A models. We found that the models known in the Bayesian network community as Noisy-AND and simple Noisy-AND are also used in the cognitive diagnostic modelling known in the psychometric community under the names of RRUM and DINA, respectively. In this domain, the hidden variables of BN2A models correspond to skills and the observed variables to students’ responses to test questions. In this paper we analyse the identifiability of these models. Identifiability is an important concept because without it we cannot hope to learn correct models. We present necessary conditions for the identifiability of BN2As with Noisy-AND models. We also propose and test a numerical approach for testing identifiability.

  • Název v anglickém jazyce

    On Identifiability of BN2A Networks

  • Popis výsledku anglicky

    In this paper, we consider two-layer Bayesian networks. The first layer consists of hidden (unobservable) variables and the second layer consists of observed variables. All variables are assumed to be binary. The variables in the second layer depend on the variables in the first layer. The dependence is characterised by conditional probability tables representing Noisy-AND or simple Noisy-AND. We will refer to this class of models as BN2A models. We found that the models known in the Bayesian network community as Noisy-AND and simple Noisy-AND are also used in the cognitive diagnostic modelling known in the psychometric community under the names of RRUM and DINA, respectively. In this domain, the hidden variables of BN2A models correspond to skills and the observed variables to students’ responses to test questions. In this paper we analyse the identifiability of these models. Identifiability is an important concept because without it we cannot hope to learn correct models. We present necessary conditions for the identifiability of BN2As with Noisy-AND models. We also propose and test a numerical approach for testing identifiability.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2023

  • 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

    Symbolic and Quantitative Approaches to Reasoning with Uncertainty. ECSQARU 2023.

  • ISBN

    978-3-031-45607-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    13

  • Strana od-do

    136-148

  • Název nakladatele

    Springer

  • Místo vydání

    Cham

  • Místo konání akce

    Arras

  • Datum konání akce

    19. 9. 2023

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku