Hjem
Maskinlæring
Bayesianske nettverk

Bayesianske nettverk

Vi studerer strukturen til Bayesianske nettverk

Bayesian network
Bayesiansk nettverk
Foto/ill.:
Pekka Parviainen

Hovedinnhold

Bayesianske nettverk er en utbredt klasse grafiske sannsylighetsmodeller.  De består av to deler: struktur og parametre.  Strukturen er en rettet asyklisk graf (DAG) der kantene representerer sammenhenger mellom stokastiske variabler som er assosiert med nodene i grafen.  Parametrene består i betingede sannsynlighetsfordelinger som assosieres med hver node, og disse læres vanligvis ut fra observasjoner.  Et bayesiansk nettverk er en kompakt, fleksibel, og tolkbar representasjon av en forent sannsynlighetsfordeling.  Det er også et nyttig verktøy for å utforske kunnskap, siden en asyklisk graf lar en representere kausale sammenhenger (årsak og virkning) mellom variablene. 

Vårt fokus er på metoder som kan lære strukturen, og ikke bare parametrene til det bayesiske nettverket.  Vi er også interessert i algoritmenes skalerbarhet, og på heuristikker som kan gi tilnærmelsesvise svar der den eksakte løsningen blir for krevende å beregne.