|
|
Několik poznámek a otázek k Josangově uhlazenému zhrubění.
Daniel, Milan
V tomto příspěvku jsou připomenuty definice dvou různých způsobů zhrubění základních domněnkových přiřazení - jednoduchého zhrubění a uhlazeného zhrubění. Je vyšetřován vztah výsledků kombinování uhlazených názorů (smooth opinions) s použitím Consensus operátoru a domněnkových funkcí na výchozím n-prvkovém rámci rozlišení. Dále je probírána otázka interpretace uhlazeně zhruběných názorů (smoothly coarsened opinions).
|
|
| |
|
|
Podmíněná nezávislost ve věrohodnostních funkcích: Příklady
Jiroušek, Radim
V článku je představen další způsob jak definovat relaci podmíněné nezávislosti ve věrohodnostních funkcích. Tento přístup je založen na operátoru, který byl na vrhnut původně pouze pro multidimenzionální modely, operátoru kompozice. Abychom předešli zmatkům s předchozími definicemi, nazýváme tento vztah podmíněnou irelevancí. Vlastnosti tohoto vztahu (relace) jsou ilustrovány množstvím příkladů.
|
|
|
Efektivní algoritmus na hledání redukcí v kompozicionálních modelech
Kratochvíl, Václav
Marginalizace multidimenzionálních distribucí reprezentovaných perfektními kompozicionálními modely je mnohem efektivnější než jakýkoli marginalizační proces v bayesovských sítích. Důvod je prostý. Marginalizační algoritmus, zmíněný v tomto článku, využívá informací zakódovaných ve struktuře kompozicionálních modelů, které se v bayseovských sítích musí složitě vypočítat. V tomto článku se zabýváme jednou podsekcí marginalizačního algoritmu - marginalizací redukcí. Je zde představen nový rychlejší způsob hledání redukcí v kompozicionálních modelech.
|
|
| |
|
| |
host ::
RSS.