A Memetic Approach to Bayesian Network Structure Learning

Tipo di pubblicazione: Articolo in atti di convegno
Tipologia MIUR: Contributo in Atti di Convegno (Proceeding) > Contributo in atti di convegno
Titolo: A Memetic Approach to Bayesian Network Structure Learning
Autori: Alberto Tonda;Evelyne Lutton;Giovanni Squillero;Pierre-Henri Wuillemin
Autori di ateneo:
Intervallo pagine: pp. 102-111
Titolo del periodico: LECTURE NOTES IN COMPUTER SCIENCE
Tipo di referee: Esperti anonimi
Editore: Springer Verlag Germany:
ISBN: 9783642371912
ISSN: 0302-9743
Volume: 7835
Titolo del convegno: 16th European Conference, EvoApplications 2013
Luogo dell'evento: Vienna (Austria)
Data dell'evento: April 3-5, 2013
Abstract: Bayesian networks are graphical statistical models that represent inference between data. For their effectiveness and versatility, they are widely adopted to represent knowledge in different domains. Several research lines address the NP-hard problem of Bayesian network structure learning starting from data: over the years, the machine learning community delivered effective heuristics, while different Evolutionary Algorithms have been devised to tackle this complex problem. This paper presents a Memetic Algorithm for Bayesian network structure learning, that combines the exploratory power of an Evolutionary Algorithm with the speed of local search. Experimental results show that the proposed approach is able to outperform state-of-the-art heuristics on two well-studied benchmarks
Data: 2013
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: memetic algorithms, evolutionary algorithms, local optimization, bayesian networks, model learning
Dipartimenti (originale): DAUIN - Dipartimento di Automatica Informatica
Dipartimenti: DAUIN - Dipartimento di Automatica e Informatica
URL correlate:
    Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
    Data di deposito: 06 Set 2016 17:49
    Data ultima modifica (IRIS): 06 Set 2016 15:49:37
    Data inserimento (PORTO): 08 Set 2016 04:41
    Numero Identificativo (DOI): 10.1007/978-3-642-37192-9_11
    Permalink: http://porto.polito.it/id/eprint/2507291
    Link resolver URL: Link resolver link
    Citazioni:

    Il campo presenta il numero di citazioni presenti sulle banche dati Scopus e Web of Science e permette di accedere ai relativi record. Visualizza inoltre il link al record presente su Google Scholar.

    Possono verificarsi discrepanze rispetto ai dati presenti sulle banche dati per i seguenti motivi:

    • Differenze tra i dati riportati su IRIS e quelli presenti nelle banche dati.
    • Il numero di citazioni riportate su PORTO viene estratto mensilmente. Il dato citazionale presente sulle singole banche dati è aggiornato in tempo reale
    • Il numero di citazioni per WoS viene calcolato sulla base delle collezioni in abbonamento (Science citation index Expanded e Conference Proceedings Citation Index)

    Per informazioni o segnalazioni contattare scrivia/porto

    +
    -

    Allegati

    [img] PDF (2013_EvoAPP_Memetic.pdf) - Altro
    Accesso al documento: Non visibile (accessibile solo al proprietario del dato)
    Licenza: Non pubblico - Accesso privato / Ristretto.

    Download (318Kb (326456 bytes)) | Spedisci una richiesta all'autore per una copia del documento

    Azioni (richiesto il login)

    Visualizza il documento (riservato amministratori) Visualizza il documento (riservato amministratori)