★ 1
SLGBN：用惩罚 B 样条增强贝叶斯网络节点依赖灵活性
arXiv 论文提出半线性高斯贝叶斯网络（SLGBN），在保留高斯条件分布的同时引入非线性条件均值函数，用广义可加模型与惩罚 B 样条估计参数。该方法统一了线性与非线性高斯条件模型，并给出贪心爬山结构学习算法。实验显示在存在非线性高斯关系时，SLGBN 的拟合优度与结构恢复能力优于半参数贝叶斯网络…
arXiv cs.AI10 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
arXiv 论文提出半线性高斯贝叶斯网络（SLGBN），在保留高斯条件分布的同时引入非线性条件均值函数，用广义可加模型与惩罚 B 样条估计参数。该方法统一了线性与非线性高斯条件模型，并给出贪心爬山结构学习算法。实验显示在存在非线性高斯关系时，SLGBN 的拟合优度与结构恢复能力优于半参数贝叶斯网络…