![Научно-технический вестник информационных технологий, механики и оптики](/images/mag-ntv.png)
Деева И.Ю., Шахкян К.А., Каминский Ю.К.
Моделирование многомерных данных с помощью композитных байесовских сетей
Моделирование многомерных данных с помощью композитных байесовских сетей
![Научно-технический вестник информационных технологий, механики и оптики](/images/mag-ntv.png)
Аннотация:
Введение. Представлен новый подход к моделированию нелинейных зависимостей, названный композитными байесовскими сетями. Основной акцент сделан на интеграции моделей машинного обучения в байесовские сети с сохранением их основополагающих принципов. Новизна предложенного подхода состоит в том, что он позволяет решить проблему несоответствия данных традиционным предположениям о зависимостях. Метод. Представленный подход заключается в подборе разнообразных моделей машинного обучения на этапе обучения композитных байесовских сетей. Это позволяет гибко настраивать характер зависимостей в соответствии с требованиями и продиктованными характеристиками моделируемого объекта. Программная реализация подхода выполнена в виде специализированного фреймворка, описывающего все необходимые функциональные возможности. Основные результаты. Проведена экспериментальная оценка эффективности моделирования зависимостей между признаками. Для экспериментов выбраны для бенчмарков и из репозитория UCI для реальных данных. Эффективность предложенных композитных байесовских сетей подтверждена сравнением значений правдоподобия и показателя F1 с классическими байесовскими сетями, обученными алгоритмом Hill-Climbing. Показана высокая точность представления многомерных распределений. При этом на бенчмарках улучшение оказалось незначительным, поскольку они содержат линейные зависимости, которые хорошо моделируются классическими алгоритмами. На реальных наборах данных UCI получено улучшение правдоподобия в среднем на 30 %. Обсуждение. Полученные результаты могут найти применение в областях, требующих моделирования сложных зависимостей между признаками, например, в машинном обучении, статистике, задачах анализа данных, а также в конкретных предметных областях.
Ключевые слова:
Постоянный URL
Статьи в номере
- Евстропьев С.К., Волынкин В.М., Булыга Д.В., Островский В.А., Макаров К.Н. и др.
Органо-неорганические светопоглощающие композиты для ближней инфракрасной области спектра - Шулепова А.В., Шулепов В.А., Стригалев В.Е.
Исследование пироэлектрического эффекта и создание модифицированной конструкции фазового модулятора на основе ниобата лития - Опарин Е.Н., Лаппо-Данилевская А.К., Черных А.В., Цыпкин А.Н.Изменение контраста изображения объекта наблюдения при однопиксельной и матричной визуализации через рассеивающую среду
- Нгуен Х.Т., Власов С.М., Пыркин А.А., Калинин К.Ю., Нгуен М.Х., Нгуен В.В., Буй В.Х.
Синтез адаптивного наблюдателя для нелинейных нестационарных систем - Антипина Е.В., Мустафина С.А., Антипин А.Ф.
Автоматизация поиска оптимальных значений параметров процесса олигомеризации этилена - Осадченко А.В., Амброзевич С.А., Захарчук И.А., Ващенко А.А., Дайбаге Д.С., Рыжов А.В. и др.
Электролюминесценция новых координационных соединений ионов европия с β-дикетонами, уксусной и масляной кислотами - Казиева Н.М., Кухарев Г.А., Мауленов К.С.
Метод формирования мультимедийных файлов для задач лицевой биометрии и ее приложений - Кулин Н.И., Муравьев С.Б.
Продвинутые методы внедрения знаний в больших языковых моделях - Сидоренко Д.А., Шалыто А.А.
Предсказание связей «ген-болезнь» с помощью гетерогенной графовой нейронной сети - Садин Д.В.
Компьютерное моделирование взаимодействия ударной волны со стенкой, экранированной неоднородным слоем газовзвеси - Заричняк Ю.П., Ходунков В.П.
Метод получения двухкомпонентных композиционных материалов с заданной теплопроводностью - Брызгунов П.А., Рогалев А.Н., Киндра В.О. и др.
Компьютерное моделирование тепломассообменных процессов при конденсации водяных паров из продуктов сгорания природного газа на поверхности гладких цилиндрических труб - Сухотерин М.В., Сосновская А.А.
Потеря устойчивости защемленной по контуру прямоугольной нанопластины - Мифтахов Э.Н., Кашникова А.П., Иванов Д.В.
Использование генетических алгоритмов для решения задачи поиска оптимального состава реакционной смеси - Булат П.В., Вокин Л.О., Волков К.Н. и др.
Конфигурируемые модели горения в камере сгорания микротурбинного двигателя с возможностью подключения различных физико-химических процессов - Сухов В.Д., Короткевич Г.В., Сергушичев А.А.
Многоуровневое расщепление в методе Монте-Карло для оценки вероятностей редких событий в пермутационных тестах - Теплякова А.Р., Шершнев Р.В., Старков С.О.
Метод сегментации мышечной ткани на снимках компьютерной томографии на базе предобработанных трехканальных изображений - Давыдов С.Ю., Лебедев А.А.
Модель адсорбции на эпитаксиальном графене: аналитические результаты