搜索资源列表
Bayesian structure learning
- 贝叶斯结构学习软件包
BNT_SLP.tar
- 动态贝叶斯网络结构学习算法，用来检验基于BOA的DBN结构寻优体系的合理性与可行性。环境matlab 6.1以上-Dynamic Bayesian network structure learning algorithm, the DBN used to test the structure-based optimization BOA system is reasonable and feasible. Environmental matlab 6.1 or above
bayesnetwork
- 用k2算法从先验概率构建贝叶斯网络，实现推理，结构学习，参数学习用贝叶斯方法。-K2 algorithm using Bayesian network built from the a priori probability to achieve reasoning, structure learning, parameter learning.
Bys
- 贝叶斯网络的算法，它具有结构学习，参数学习，和推理的功能。-failed to translate
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
Example-Based_Automatic_Portraiture
- 摘 要 提出了一种基于样本学习的人脸肖像画自动生成算法.文章采用非均匀的马尔科夫随机场模型来描述肖 像画与人脸图像之间的统计关系 ,并使用基于训练样本的非参数化的概率表示 ,在贝叶斯优化的框架下设计了迭 代采样算法 ,可以自动的从人脸图像生成特定风格的肖像画.在该方法中 ,使用非均匀的统计模型是保持肖像中人 脸结构准确性的关键.文中所提供的例子表明了该文方法的有效性-Abstract In this paper , we present a new approach for au
K2
- 本算法用于贝叶斯网络的结构学习，通过筛选节点生成网络-Structure learning for Bayesian
FullBNT-1.0.4
- MIT博士生开发的功能极强大的贝叶斯网络工具箱（MATLAB环境下），支持多种参数学习和结构学习算法，内附详细说明-MIT doctoral developed extremely powerful Bayesian Network Toolbox (MATLAB environment) to support a variety of parameter learning and structure learning algorithm, containing a detailed descr
K2
- 贝叶斯网络K2结构学习算法，确定节点顺序，限制子节点个数 -K2 Bayesian network structure learning algorithm
BNT-learn
- 利用BNT产生大量样本数据进行贝叶斯网络的结构学习与参数学习。-Use a large amount of sample data BNT structure learning and parameter learning Bayesian network.
lda-c
- LDA是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。文档到主题服从Dirichlet分布，主题到词服从多项式分布。 LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜藏的主题信息。它采用了词袋（bag of words）的方法，这种方法将每一篇文档视为一个词频向量，从而将文本信息转化为了易于建模的数字信息。但是词袋方法没有考虑词与词之间的顺序，这简化了问题的复杂性，同时也为
libdbn
- 基于马尔可夫毯的贝叶斯网络的结构学习算法-Based on Structure Learning Algorithm Markov Blanket Bayesian Networks
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
9cb364be040f6248013a44a3d343b582
- 贝叶斯网络的学习 。贝叶斯网络的学习分为：结构学习和参数学习。(Bias network learning. Bias network learning is divided into: structure learning and parameter learning)
homework3
- 将二位数据投影到一维线性， LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。所谓生成模型，就是说，我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布，主题到词服从多项式分布。 [1] LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）
Bayesian-Network-Structure-Learning-master
- 一般贝叶斯网络的构建是首先由相关领域的专家根据事物间的关系来确定出结构模型，即有向无环图，然后再利用其它方法确定每个节点的条件概率，但这样构建的网络模型无法保证其客观性和可靠性．(In general, the construction of Bayesian network is to determine the structural model, i.e. directed acyclic graph, by experts in related fields according to th