Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
贝叶斯网络中 Kullback-Leibler 散度的计算
Entropy ( IF 2.1 ) Pub Date : 2021-08-28 , DOI: 10.3390/e23091122
Serafín Moral 1 , Andrés Cano 1 , Manuel Gómez-Olmedo 1
Entropy ( IF 2.1 ) Pub Date : 2021-08-28 , DOI: 10.3390/e23091122
Serafín Moral 1 , Andrés Cano 1 , Manuel Gómez-Olmedo 1
Affiliation
Kullback-Leibler 散度 是当我们有一个与概率分布q近似的真实概率分布p时的标准误差度量. 它的高效计算在许多任务中都是必不可少的,例如在近似计算中或作为学习概率时的误差度量。在高维概率中,作为与贝叶斯网络相关的概率,直接计算可能是不可行的。本文考虑了有效计算两个概率分布的 Kullback-Leibler 散度的情况,每个分布都来自不同的贝叶斯网络,这些网络可能具有不同的结构。该论文基于辅助删除算法来计算必要的边缘分布,但使用具有潜力的操作缓存,以便在需要时重用过去的计算。这些算法使用来自bnlearn存储库的贝叶斯网络进行测试。Python 中的计算机代码以pgmpy为基础提供,这是一个用于处理概率图形模型的库。
"点击查看英文标题和摘要"
更新日期:2021-08-29

"点击查看英文标题和摘要"