Bayesiskt nätverk med variabel ordning

Variable-order Bayesian-nätverk (VOBN) -modeller ger en viktig förlängning av både Bayesian-nätverksmodellerna och Markov-modellerna med variabel ordning . VOBN-modeller används i maskininlärning i allmänhet och har visat stor potential i bioinformatikapplikationer . Dessa modeller utökar de mycket använda positionsviktmatris (PWM), Markov-modeller och Bayesian-nätverksmodeller (BN).

I motsats till BN-modellerna, där varje slumpvariabel beror på en fast delmängd av slumpvariabler, kan dessa undermängder i VOBN-modeller variera baserat på den specifika realiseringen av observerade variabler. De observerade realiseringarna kallas ofta kontexten och därför är VOBN-modeller också kända som kontextspecifika Bayesianska nätverk. Flexibiliteten i definitionen av konditionerande delmängder av variabler visar sig vara en verklig fördel i klassificerings- och analystillämpningar, eftersom de statistiska beroenden mellan slumpvariabler i en sekvens av variabler (inte nödvändigtvis intill varandra) kan tas i beaktande effektivt, och i en positionsspecifikt och kontextspecifikt sätt.

Se även

  1. ^   Ben-Gal, I.; Shani A.; Gohr A.; Grau J.; Arviv S.; Shmilovici A.; Posch S.; Grosse I. (2005). "Identifiering av transkriptionsfaktorbindningsplatser med bayesianska nätverk av variabel ordning" . Bioinformatik . 21 (11): 2657–2666. doi : 10.1093/bioinformatics/bti410 . PMID 15797905 .
  2. ^    Grau, J.; Ben-Gal I.; Posch S.; Grosse I. (2006). "VOMBAT: Prediction of Transcription Factor Binding Sites using Variable Order Bayesian Trees" (PDF) . Nukleinsyraforskning . 34 (webbserverproblem): 529–533. doi : 10.1093/nar/gkl212 . PMC 1538886 . PMID 16845064 .
  3. ^ Boutilier, C.; Friedman, N .; Goldszmidt, M.; Koller, D. (1996). Kontextspecifikt oberoende i Bayesianska nätverk . 12:e konferensen om osäkerhet i artificiell intelligens (1–4 augusti 1996). Reed College, Portland, Oregon, USA. s. 115–123.

externa länkar