Super-Structure : A Decisive Framework to Rationalize and Improve Both Optimal and Heuristic Bayesian Network Structure Learning Algorithms

• Item type: SIG Technical Reports(1)
• 公開日: 2008-03-03
• タイトル: Super-Structure : A Decisive Framework to Rationalize and Improve Both Optimal and Heuristic Bayesian Network Structure Learning Algorithms
• タイトル / 言語: en
• タイトル: Super-Structure : A Decisive Framework to Rationalize and Improve Both Optimal and Heuristic Bayesian Network Structure Learning Algorithms
• 言語: eng
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京大学医科学研究所ヒトゲノム解析センター
• 著者所属: 東京大学医科学研究所ヒトゲノム解析センター
• 著者所属: 東京大学医科学研究所ヒトゲノム解析センター
• 著者所属(英): en
• 著者所属(英): Human Genome Center, Institute of Medical Science, University of Tokyo
• 著者所属(英): en
• 著者所属(英): Human Genome Center, Institute of Medical Science, University of Tokyo
• 著者所属(英): en
• 著者所属(英): Human Genome Center, Institute of Medical Science, University of Tokyo
• 著者名: Eric, Perrier; 井元, 清哉; 宮野, 悟
• 著者名(英): Eric, Perrier; Seiya, Imoto; Satoru, Miyano
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: データに基づくベイジアンネットワークの構造学習において精度向上は，遺伝子ネットワークのような巨大システムをモデル化する際に極めて重要となる．この目的のため，我々は，スコア関数に基づく探索に無向グラフによるsuper-structure を制約として用いる方法を提案する．つまり，探索する枝はsuper-structure に含まれているものに限る．さらに，データを用いた super-structure の近似法を導入し，制約付き最適アルゴリズム(COS) を構成する．COS により，最適アルゴリズムはより大きなネットワークに適用可能となる．また，トポロジカル順序に基づく発見的アルゴリズム (PERM) を導出できる．数値実験により，提案するアルゴリズムは，他の方法よりも精度の面で優れていることを示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Improving the accuracy of Bayesian network learning from data is a decisive challenge to model huge systems such as genes networks. With this end, we propose to constraint the scoring function based algorithms with a super-structure encoded by an undirected graph. This restricts the possible edges of the networks to the ones it contains. Further, we introduce a basic method to approximate a super-structure from data. Then, we develop a constrained optimal search (COS) that extends exact algorithms to sensitively bigger graphs, and a heuristic hill climbing over topological orderings (PERM). Experimentally, these algorithms outperform significantly other approaches.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 情報処理学会研究報告バイオ情報学（BIO）; 巻 2008, 号 15(2008-BIO-012), p. 17-24, 発行日 2008-03-03
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会