0311959 20240103190359.920080923235959.9 A Geometric Approach to Learning BN Structures 8 s. Proceedings of the Fourth European Workshop on Probabilistic Graphical Models (PGM'08)281-288AalborgAalborg University2008JaegerManfredNielsenThomas D. Geometrický přístup k učení BN struktur Bayesian network machine learning cav_un_auth*0101202 Studený Milan UTIA-B Department of Decision Making Theory Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101228 Vomlel Jiří UTIA-B Department of Decision Making Theory Ústav teorie informace a automatizace AV ČR, v. v. i. http://library.utia.cas.cz/separaty/2008/MTR/studeny-vomlel-a%20geometric%20approach%20to%20learning%20bn%20structures.pdf 1M0572 GA MŠk cav_un_auth*0001814 2C06019 GA MŠk CZ cav_un_auth*0216518 GA201/08/0539 GA ČR cav_un_auth*0239648 CEZ:AV0Z10750506 The main result of the paper is that the set of standard imsets is the set of vertices (= extreme points) of a certain polytope. Motivated by the geometric view, we introduce the concept of the geometric neighborhood for standard imsets, and, consequently, for BN structures. Hlavním výsledkem toho článku je, že množina standardních imsetů je množinou vrcholů (= extrémních bodů) jistého polytopu. Motivováni geometrickým pohledem zavádíme pojem geometrického okolí pro standardní imsety a tím i pro struktury bayesovských sítí. cav_un_auth*0242180 the Fourth European Workshop on Probabilistic Graphical Models (PGM'08) Hirtshals 17.09.2008-19.09.2008 DK 2009 BA http://hdl.handle.net/11104/0163157 2008 Proceedings of the Fourth European Workshop on Probabilistic Graphical Models (PGM'08) 281 288 Aalborg Aalborg University 2008 Jaeger Manfred 340 Nielsen Thomas D. 340