離散と連続の変数が混在する場合のBayesianネットワークの構造学習(ベイズ統計モデル,統計推理,データベース,一般)

スポンサーリンク

概要

論文の詳細を見る
Bayesianネットワークの構造推定で、離散と連速の変数が混在している場合について検討している。従来は、連続変数を離散化して対応していた。ただ、どのような量子化が最適であるかなどを吟味せず、一般論がない状態で、その場限りの対応をしていた。本論文で提案する方法は、離散も連続もすべてBayes的に統一された原理に基づいて処理をすすめる。離散の場合や確率密度関数が存在する場合も、今回の提案の特別なケースとして含まれる。最近、離散でなくても、連続でなくても、Bayesの測度を構成することに成功している。今回は、そのひとつの応用例になっている。
2012-03-05

著者

鈴木譲
大阪大学大学院理学研究科

関連論文

もっと見る

スポンサーリンク