論文の概要: The practice of qualitative parameterisation in the development of
Bayesian networks
- arxiv url: http://arxiv.org/abs/2402.12887v1
- Date: Tue, 20 Feb 2024 10:30:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 15:58:30.222679
- Title: The practice of qualitative parameterisation in the development of
Bayesian networks
- Title(参考訳): ベイズネットワークの発展における質的パラメータ化の実践
- Authors: Steven Mascaro, Owen Woodberry, Yue Wu, Ann E. Nicholson
- Abstract要約: 構造開発は通常、質的な問題とパラメータ化の量的問題に重点を置いている。
最初の構造が開発された後に発生する一般的なステップは、粗いパラメータ化を実行することである。
これはより厳密なパラメータ化の前に行われ、構造が目的に適合することを保証します。
- 参考スコア(独自算出の注目度): 3.4746204759424715
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The typical phases of Bayesian network (BN) structured development include
specification of purpose and scope, structure development, parameterisation and
validation. Structure development is typically focused on qualitative issues
and parameterisation quantitative issues, however there are qualitative and
quantitative issues that arise in both phases. A common step that occurs after
the initial structure has been developed is to perform a rough parameterisation
that only captures and illustrates the intended qualitative behaviour of the
model. This is done prior to a more rigorous parameterisation, ensuring that
the structure is fit for purpose, as well as supporting later development and
validation. In our collective experience and in discussions with other
modellers, this step is an important part of the development process, but is
under-reported in the literature. Since the practice focuses on qualitative
issues, despite being quantitative in nature, we call this step qualitative
parameterisation and provide an outline of its role in the BN development
process.
- Abstract(参考訳): ベイジアンネットワーク(BN)構造開発における典型的なフェーズは、目的とスコープの仕様、構造開発、パラメータ化、検証である。
構造発達は通常、質的問題とパラメータ化の量的問題に焦点を当てるが、両方の段階で生じる質的および量的問題が存在する。
最初の構造が開発された後に生じる一般的なステップは、モデルの意図した定性的振る舞いのみをキャプチャし、説明する粗いパラメータ化を実行することである。
これはより厳密なパラメータ化の前に行われ、構造が目的に適合すること、後の開発と検証をサポートすることを保証する。
私たちの経験や他のモデラーとの議論では、このステップは開発プロセスの重要な部分ですが、文献にはほとんど報告されていません。
この実践は質的な問題に重点を置いているため、本ステップを質的なパラメータ化と呼び、BN開発プロセスにおけるその役割の概要を提供する。
関連論文リスト
- A Survey on Personalized Content Synthesis with Diffusion Models [57.01364199734464]
PCSは、特定のユーザ定義のプロンプトに対する関心の主題をカスタマイズすることを目的としている。
過去2年間で150以上の方法が提案されている。
本稿では,PCSの拡散モデルに着目した包括的調査を行う。
論文 参考訳(メタデータ) (2024-05-09T04:36:04Z) - Nested Inheritance Dynamics [0.5801621787540265]
ネストしたディリクレプロセス(nDP)をマルチスケールモデルに拡張し、生物学的プロセスが継承され、安定し、世代にわたって修正されるメカニズムの理解を支援する。
NIDAは、その一次レベルでは、個々の生物の寿命内に展開する全ての過程を包含する。二次レベルは、これらの過程が経時的に進化するか、安定するかを示す。
論文 参考訳(メタデータ) (2024-04-23T23:10:08Z) - Exploring Precision and Recall to assess the quality and diversity of
LLMs [86.33540332994781]
本稿では,Llama-2やMistralといった大規模言語モデル(LLM)の新たな評価フレームワークを提案する。
このアプローチにより、コーパスの整合を必要とせず、生成したテキストの品質と多様性を微妙に評価できる。
論文 参考訳(メタデータ) (2024-02-16T13:53:26Z) - Data-Centric Long-Tailed Image Recognition [49.90107582624604]
ロングテールモデルは高品質なデータに対する強い需要を示している。
データ中心のアプローチは、モデルパフォーマンスを改善するために、データの量と品質の両方を強化することを目的としています。
現在、情報強化の有効性を説明するメカニズムに関する研究が不足している。
論文 参考訳(メタデータ) (2023-11-03T06:34:37Z) - Stochastic Deep Koopman Model for Quality Propagation Analysis in
Multistage Manufacturing Systems [1.178566843877027]
本研究では、MMSの複雑な振る舞いをモデル化するための深いクープマン(SDK)フレームワークを紹介する。
本稿では,変分オートエンコーダから抽出した臨界品質情報を伝搬するクープマン演算子の新たな応用法を提案する。
論文 参考訳(メタデータ) (2023-09-18T22:53:17Z) - A Systematic Survey in Geometric Deep Learning for Structure-based Drug
Design [63.30166298698985]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
幾何学的深層学習の最近の進歩は、3次元幾何データの統合と処理に焦点をあてて、構造に基づく薬物設計の分野を大いに進歩させてきた。
論文 参考訳(メタデータ) (2023-06-20T14:21:58Z) - DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure
reconstruction from extremely small data sets [110.60233593474796]
DA-VEGANは2つの中心的なイノベーションを持つモデルである。
$beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。
このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
論文 参考訳(メタデータ) (2023-02-17T08:49:09Z) - Computer Vision Methods for the Microstructural Analysis of Materials:
The State-of-the-art and Future Perspectives [0.4595477728342621]
本稿では, マルチスケール画像解析に応用された最先端CNN技術について概説する。
材料科学研究へのこれらの手法の適用に関する主な課題を同定する。
論文 参考訳(メタデータ) (2022-07-29T15:27:47Z) - Inferring feature importance with uncertainties in high-dimensional data [0.0]
推定器における不確実性を含む個々の特徴の重要性を推定するためのShapley値に基づくフレームワークを提案する。
我々は最近発表されたSAGEの機能重要度尺度に基づいて構築し、木モデルの再サンプリングなしに推定できるサブSAGEを導入する。
論文 参考訳(メタデータ) (2021-09-02T11:57:34Z) - Self-supervised optimization of random material microstructures in the
small-data regime [0.0]
本稿では、プロセス構造と構造-プロパティ結合の不確実性を考慮した、柔軟な、完全に確率的な最適化問題の定式化について述べる。
我々は、計算を高速化し、非微分目標の処理を可能にする構造-プロパティリンクに対して確率論的、データ駆動サロゲートを用いる。
二相ランダムメディアの機械的および熱的特性を最適化する効果を実証するが、その適用性は様々なマイクロ構造に敏感な設計問題を含むと想定する。
論文 参考訳(メタデータ) (2021-08-05T13:25:39Z) - Pros and Cons of GAN Evaluation Measures: New Developments [53.10151901863263]
この作品は、数年前に発表された同じトピックに関する以前の論文の更新です。
モデル評価において重要になっている新しい次元について述べ、GAN評価とディープフェイクの関係について論じる。
論文 参考訳(メタデータ) (2021-03-17T01:48:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。