Skip to content

GitLab

  • Menu
Projects Groups Snippets
    • Loading...
  • Help
    • Help
    • Support
    • Community forum
    • Submit feedback
  • Sign in / Register
  • B BAMT
  • Project information
    • Project information
    • Activity
    • Labels
    • Members
  • Repository
    • Repository
    • Files
    • Commits
    • Branches
    • Tags
    • Contributors
    • Graph
    • Compare
  • Issues 1
    • Issues 1
    • List
    • Boards
    • Service Desk
    • Milestones
  • Merge requests 0
    • Merge requests 0
  • CI/CD
    • CI/CD
    • Pipelines
    • Jobs
    • Schedules
  • Deployments
    • Deployments
    • Environments
    • Releases
  • Monitor
    • Monitor
    • Incidents
  • Packages & Registries
    • Packages & Registries
    • Package Registry
    • Container Registry
    • Infrastructure Registry
  • Analytics
    • Analytics
    • Value stream
    • CI/CD
    • Repository
  • Wiki
    • Wiki
  • Snippets
    • Snippets
  • Activity
  • Graph
  • Create a new issue
  • Jobs
  • Commits
  • Issue Boards
Collapse sidebar
  • ITMO-NSS-team
  • BAMT
  • Wiki
  • 1. Байесовская сеть

Last edited by Irina Deeva Jun 09, 2020
Page history

1. Байесовская сеть

Байесовская сеть (или байесова сеть, байесовская сеть доверия, англ. Bayesian network, belief network) — графовая вероятностная модель, представляющая собой множество переменных и их вероятностных зависимостей по Байесу. Формально, байесовская сеть — это ориентированный ациклический граф, каждой вершине которого соответствует случайная переменная, а дуги графа кодируют отношения условной независимости между этими переменными.

Полностью связная байесовская сеть или полный многомерный закон вероятности можно описать факторизацией:

где X_Q - это все возможные родители узла X_q, Q - это множество всех найденных рёбер. В рамках этой работы предполагается, что вся байесовская сеть содержит только ребра, найденные структурным обучением.
Частичная байесовская сеть k с переменными M_k может быть описана с помощью закона вероятности P (X_ {I_k}), который можно связать с определенным уровнем или шкалой для моделирования личности:

Для комбинирования всех частичных распределений нам нужно ввести скрытые переменные L_k:

Основываясь на вышеуказанных формулах, мы предлагаем блочную интерпретируемую структуру байесовской сети для синтеза персональных данных. Ожидается, что такая структура также будет масштабируемой для наборов данных с большим количеством переменных.

Clone repository
  • 1. Байесовская сеть
  • 2. Алгоритм идентификации байесовской сети
  • 3. Сэмплирование синтетических данных
  • 4. Подготовка данных
  • 5. Руководство пользователя
  • Home