bibtype C - Conference Paper (international conference)
ARLID 0106357
utime 20240103173138.1
mtime 20050324235959.9
title (primary) (eng) Decomposition of Bayesian networks induced by compositional models
specification
page_count 8 s.
serial
title Proceedings of the Second European Workshop on Probabilistic Graphical Models
page_num 129-136
publisher
place Nijmegen
name University of Nijmegen
year 2004
title (cze) Rozklady bayesovských sítí indukované kompozicionálními modely
keyword Bayesian network
keyword decomposition
author (primary)
ARLID cav_un_auth*0101118
name1 Jiroušek
name2 Radim
institution UTIA-B
full_dept Department of Decision Making Theory
fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
COSATI 12A
cas_special
project
project_id IAA2075302
agency GA AV ČR
ARLID cav_un_auth*0001801
research CEZ:AV0Z1075907
abstract (eng) In this contribution we shall discuss relation of two types of multidimensional models introduced within the framework of probability theory, which appeared to be in a sense equivalent: Bayesian networks and compositional models. Based on analysis of algorithms transforming one type of model into the other, we shall reveal a principal difference, which explains why marginalization is sometimes more efficient in compositional models than in Bayesian networks.
abstract (cze) V příspěvku je diskutován vztah dvou typů mnohorozměrných pravděpodobnostních modelů, které jsou v jistém smyslu ekvivalentní: bayesovské sítě a kompozicionální modely. Na základě analýzy algoritmů převádějících jeden model na druhý je ukázán základní rozdíl, který umožňuje vysvětlit, proč je proces marginalizace kompozicionálních modelů algoritmicky jednodušší, než marginalizace kompozicionálních modelů
action
ARLID cav_un_auth*0129905
name Probabilistic Graphical Models PGM'04 /2./
place Leiden
dates 04.10.2004-08.10.2004
country NL
reportyear 2005
RIV BA
permalink http://hdl.handle.net/11104/0013539
ID_orig UTIA-B 20040169
arlyear 2004
mrcbU63 Proceedings of the Second European Workshop on Probabilistic Graphical Models 129 136 Nijmegen University of Nijmegen 2004
mrcbU67 Lucas P. 340