基于迁移学习的贝叶斯网络参数学习方法

摘要：

针对贝叶斯网络参数迁移过程中对源域及目标域限定条件较多等问题,在考虑源域-目标域多种信息形式的情况下,提出一种基于贝叶斯网络参数迁移学习的统一框架.该方法综合考虑了源域结构和数据量在迁移中的作用,在结构相似性的基础上,探讨了备选源域数据量对参数迁移的影响.在迁移过程中引入与目标域数据相关的平衡系数.通过平衡系数将目标域数据与迁移过程联系起来,实现平衡系数的自动调节.Asia网络验证了本文方法的准确性.

关键词：贝叶斯网络、参数学习、迁移学习、结构相似性、平衡系数

所属期刊栏目：42

分类号：TP311;TP181(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;矿冶过程自动控制技术国家北京市重点实验室开放课题

在线出版日期：2021-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：509-515