Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Annotating Movement Phrases in Vietnamese Folk Dance Videos Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Incremental Method for Learning Parameters in Evidential Networks

verfasst von : Narjes Ben Hariz, Boutheina Ben Yaghlane

Erschienen in: Advances in Artificial Intelligence: From Theory to Practice

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Evidential graphical models are considered as an efficient tool for representing and analyzing complex and real-world systems, and reasoning under uncertainty.
This work raises the issue of estimating the different parameters of these networks. More precisely, we address the problem of updating these parameters when getting new data without repeating the learning process from the beginning. Indeed, we propose a new incremental approach to update the different parameters based on the combination rules proposed in the evidence framework.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Probabilistic Relational Model Approach for Fault Tree Modeling
Nächstes Kapitel aGrUM: A Graphical Universal Model Framework
Fußnoten
1
The prior mass function of each node will be combined with the prior mass function of the same node and the conditional mass function associated to each configuration of parents with the conditional mass function of the same configuration in the new learned parameters.
 
Literatur
1.
Bach Tobji, M.A., Ben Yaghlane, B., Mellouli, K.: A new algorithm for mining frequent itemsets from evidential databases. In: Proceeding of Information Processing and Management of Uncertainty (IPMU 2008), pp. 1535–1542, Malaga, Spain (2008)
2.
Beinlich, I.A., Suermondt, H.J., Chavez, R.M., Cooper, G.F.: The ALARM monitoring system: a case study with two probabilistic inference techniques for belief networks. In: Hunter, J., Cookson, J., Wyatt, J. (eds) AIME 89. Lecture Notes in Medical Informatics, vol 38. Springer, Heidelberg (1989)
3.
Ben Hariz, N., Ben Yaghlane, B.: Learning parameters in directed evidential networks with conditional belief functions. In: Cuzzolin, F. (ed.) BELIEF 2014. LNCS, vol. 8764, pp. 294–303. Springer, Cham (2014). doi:10.​1007/​978-3-319-11191-9_​32 CrossRef
4.
Ben Yaghlane, B., Mellouli, K.: Inference in directed evidential networks based on the transferable belief model. IJAR 48(2), 399–418 (2008)MathSciNetMATH
5.
Burger, T., Destercke, S.: How to randomly generate mass functions. Int. J. Uncertainty Fuzziness Knowl. Based Syst. 21(5), 645–674 (2013)MathSciNetCrossRefMATH
6.
Denœux, T.: The cautious rule of combination for belief functions and some extensions. In: International Conference on Information Fusion (2006)
7.
Denœux, T.: Conjunctive and disjunctive combination of belief functions induced by non distinct bodies of evidence. Artif. Intell. 172, 234–264 (2008)CrossRefMATH
8.
Denœux, T.: Maximum likelihood estimation from uncertain data in the belief function framework. Knowl. Data Eng. 25, 119–130 (2013)CrossRef
9.
Ide, J.S., Cozman, F.G.: Random generation of bayesian networks. In: Bittencourt, G., Ramalho, G.L. (eds.) SBIA 2002. LNCS (LNAI), vol. 2507, pp. 366–376. Springer, Heidelberg (2002). doi:10.​1007/​3-540-36127-8_​35 CrossRef
10.
Jousselme, A., Grenier, D., Bossée, E.: A new distance between two bodies of evidence. Inf. Fusion 2(2), 91–101 (2001)CrossRef
11.
Lauritzen, S., Spiegelhalter, D.J.: Local computations with probabilities on graphical structures and their application to expert systems. J. R. Stat. Soc. Ser. B 50, 157–224 (1988)MathSciNetMATH
12.
Shafer, G.: A Mathematical Theory of Evidence. Princeton University Press, Princeton (1976)MATH
13.
Smets, Ph.: Jeffrey’s rule of conditioning generalized to belief functions. In: Proceedings of the Ninth International Conference on Uncertainty in Artificial Intelligence (UAI 1993), pp. 500–505, Washington, DC, USA (1993)
14.
15.
Tang, Y., Zheng, J.: Dempster conditioning and conditional independence in evidence theory. In: Zhang, S., Jarvis, R. (eds.) AI 2005. LNCS, vol. 3809, pp. 822–825. Springer, Heidelberg (2005). doi:10.​1007/​11589990_​88 CrossRef
16.
Villemeur, A.: Reliability, Availability, Maintainability and Safety Assessment: Methods and Techniques. Wiley, New York (1992)
17.
Metadaten
Titel
Incremental Method for Learning Parameters in Evidential Networks
verfasst von
Narjes Ben Hariz
Boutheina Ben Yaghlane
Copyright-Jahr
2017
Buch
Advances in Artificial Intelligence: From Theory to Practice

Print ISBN: 978-3-319-60044-4

Electronic ISBN: 978-3-319-60045-1

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-60045-1_19

Premium Partner

    Bildnachweise