Read more
La rete bayesiana è una combinazione di modello probabilistico e modello a grafo. Si applica ampiamente nell'apprendimento automatico, nell'estrazione di dati, nella diagnosi, ecc. perché ha una solida inferenza basata sull'evidenza che è familiare all'intuizione umana. Tuttavia, la rete bayesiana può causare confusioni perché ci sono molti concetti complicati, formule e diagrammi relativi ad essa. Tali concetti dovrebbero essere organizzati e presentati in un modo così chiaro che la comprensione sia facile. Questo è l'obiettivo di questa relazione. La relazione comprende 5 sezioni principali che coprono i principi della rete bayesiana. La sezione 1 è un'introduzione alla rete bayesiana che fornisce alcuni concetti di base. I concetti avanzati sono menzionati nella sezione 2. Il meccanismo di inferenza della rete bayesiana è descritto nella sezione 3. L'apprendimento dei parametri che ci dice come aggiornare i parametri della rete bayesiana è descritto nella sezione 4. La sezione 5 si concentra sull'apprendimento della struttura che menziona come costruire la rete bayesiana. In generale, tre argomenti principali della rete bayesiana sono l'inferenza, l'apprendimento dei parametri e l'apprendimento della struttura che sono menzionati nelle sezioni successive 3, 4 e 5. La sezione 6 è la conclusione.
About the author
Loc Nguyen es un académico independiente desde 2017. Tiene un título postdoctoral en Ciencias de la Computación, certificado por INSTICC en 2015. Se le concedió el título de Matemático por el LMS en 2016. Fue galardonado con el Doctorado en Medicina Estadística por HOSREM en 2016. Ha publicado 78 artículos y preprints junto con 8 productos científicos y tecnológicos.
