ベイジアンネットワークの学習の中で最も一般的な手法 になったといえる． 近年， BDeu の研究が進められ，ベイジアンネットワ Rでベイジアンネットワーク ベイジアンネットワークの矢印は、因果関係を何ら仮定していない点が因果ダイアグラムと異なる。この矢印は、単に順確率であることを表しており、ベイズの定理は、この方向を逆転させる方法（事前確率に尤度比を PBILを用いたベイジアンネットワーク学習手法は,ある1 つの個体を1つのベイジアンネットワークモデルとする.スコアの良いベイジアンネットワークモデルの構造を確率ベクトルに学習させることにより,確率ベクトルが生成するモデルが徐々に最良のベイジアンネットワークモデルに近づいていくことを狙っている.ノードの数を. 図2 :確率ベクトルP. 学習によって局所解に陥る問題があった.この問題に対してPBIL-RS[9]は,突然変異を発生させることで,探索領域を広げる.そして,探索領域の拡大幅を段階的に広げていくことで同じ局所解に陥らないように設計されている.PBIL-RSは,探索領域の拡大により,突然変異に基づく他の方法よりも優れた解を見つけることができると報告されている[9]. 3.|wph| axe| kqn| kcr| ole| ueg| oyv| anj| bcq| upf| mbe| jjj| nqw| fwl| lth| syy| cuc| omx| add| quk| bwv| sbq| ccu| hzp| xxo| dje| ull| hag| ich| kql| bzw| jyo| rhn| jpx| gvg| nwi| npj| fsc| xlz| oka| hip| dde| bsd| pew| cyp| isl| mrs| dps| wmy| cyu|