Йерархична Байесова мрежа
Йерархичната Байесова мрежа е вероятностен графичен модел, който организира променливи в множество нива на абстракция. Възлите от по-високо ниво управляват априорните разпределения на възлите от по-ниско ниво чрез хиперпараметри, което позволява структурирано споделяне на информация между групи, контексти или подмножества от данни, като същевременно се запазва представянето на насочен ацикличен граф (DAG) на условните зависимости.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Koller, D. & Friedman, N. (2009). Probabilistic Graphical Models: Principles and Techniques. MIT Press. ISBN: 978-0262013192
- Friedman, N., Getoor, L., Koller, D. & Pfeffer, A. (1999). Learning probabilistic relational models. Proceedings of the 16th International Joint Conference on Artificial Intelligence (IJCAI-99), 1300-1307. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Hierarchical Bayesian Network. ScholarGate. https://scholargate.app/bg/bayesian/hierarchical-bayesian-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесов йерархичен модел с липсващи данниБейсови методи↔ compare
- Бейсианска мрежаБейсови методи↔ compare
- Динамична Байесова мрежаБейсови методи↔ compare
- Йерархично Бейсианско заключениеБейсови методи↔ compare
- Йерархичен Монте Карло Марковски процесБейсови методи↔ compare
- Йерархично вариационно извежданеБейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →