基于PS-EM算法和BP神经网络的影响图模型选择

摘要：

影响图模型选择中存在数据依赖性、计算复杂性和非概率关系问题.通过对影响图结构进行分解,提出PS-EM算法对影响图的概率结构部分进行模型选择.给出一种BP神经网络,通过对局部效用函数的学习实现效用结构部分的模型选择,并引入权重阈值来避免过拟合.PS-EM算法是在SEM算法中引入一种融合先验知识的MDL评分标准来降低传统MDL评分对数据的依赖性,并通过将参数学习和结构评分分开计算提高计算效率.算法比较的结果显示PS-EM比标准SEM的时间性能好、对数据依赖性小,且效用部分的结构选择易于实现.

关键词：影响图(IDs)、结构期望最大值(SEM)算法、后向神经网络、最小描述长度(MDL)评分

所属期刊栏目：20

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60575023;教育部博士点基金20050359012

在线出版日期：2009-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：185-190