Learning Bayesian network parameters from small data sets by using ranked nodes method
Az miktarda veriden sıralı düğümler yöntemi ile Bayes ağı parametrelerinin öğrenilmesi
- Tez No: 651186
- Danışmanlar: DR. ÖĞR. ÜYESİ BARBAROS YET, DR. ÖĞR. ÜYESİ CEREN TUNCER ŞAKAR
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Bayes Ağları (BA) belirsizlik altında karar destek problemleri için uygun bir modelleme yaklaşımı sunan olasılıksal grafiksel modellerdir. BA'nın hem grafiksel yapısı hem de koşullu olasılık tabloları verilerden öğrenilebilir. Bu çalışma verilerin sınırlı miktarda olduğu durumlarda BA'nın koşullu olasılıklarını öğrenmeye odaklanmaktadır. Sıralı düğümler yöntemi, değerleri arasında sıralı ilişki bulunan değişkenlerin koşullu olasılık tablolarını tanımlamak için gereken parametre sayısını azaltmak için önerilmiştir. Bu yöntem sıralı BA değişkenlerini Kesilmiş Normal dağılım ile yakınsayarak, koşullu olasılık dağılımlarını tabloların gerektirdiğinden daha az parametre ile tanımlar. Bu avantaja karşın, önceki çalışmalarda sıralı düğümler yöntemi yalnızca BA'nı uzman bilgisi ile tanımlamak için kullanılmış, sıralı düğümleri veriden öğrenmeye yönelik yöntemler incelenmemiştir. Bu çalışma sıralı düğümleri veriden öğrenmek için bir yaklaşım önermektedir. Bu yaklaşım sıralı düğümlerin sürekli dağılımları arasındaki ilişkiyi öğrenmek için kesilmiş normal regresyon, beta regresyon ve lineer regresyon yöntemlerini kullanmakta ve sonra bunları BA için koşullu olasılık tablolarına dönüştürmektedir. Önerilen yöntemin performansı farklı veri boyutları ve BA yapılarına sahip deneyler ile değerlendirilmiştir.
Özet (Çeviri)
Bayesian Networks (BNs) are graphical probabilistic models that offer a suitable modeling approach for decision support problems under uncertainty. Both the graphical structure and conditional probability tables of BNs can be learned from data. This study focuses on learning conditional probability of BNs in cases where data are in limited amounts. The ranked nodes method has been proposed to reduce the number of parameters required to define conditional probability tables of variables with ordinal states. This method assigns an underlying Truncated Normal distribution to ordinal BN variables, and it defines the conditional probability distribution with equations with fewer parameters than those required by tables. Despite this advantage, in the previous studies, the method of ranked nodes was used only to elicit BNs from expert knowledge, and methods for learning ranked nodes from data were not examined. This study proposes an approach to learn ranked nodes from data. This approach uses Truncated Normal regression, Beta regression and linear regression to learn the relations between the underlying continuous distributions of ranked nodes, and then it transforms these to conditional probability tables for BNs. The performance of the proposed method has been evaluated using experiments with different data sizes and BN structures.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile web isteklerinde anomali tespiti
Anomaly detection in web requests using machine learning methods
ÇAĞLAR ABABAY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHaliç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİGEN ÖZEN
- Gemi yapılarında gerilme yığılması öngörülerinin kaba ağ yapısı ve makine öğrenmesi ile gerçekleştirilmesi
The forecasting of stress concentration in ship buildings by using rough mesh structure and machine learning method
BURÇİN ATEŞ
Yüksek Lisans
Türkçe
2020
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR AYTEKİN KÖROĞLU
- Doku ve renk öznitelikleriyle tarla görüntülerinden bitki ve fenolojik evrelerinin çıkarımı
Plant and phenology recognition from field images using texture and color features
FATİH GÜLAÇ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Karsinogenezde mutasyonlar arası ilişkilerin veri madenciliği metotları ile tespiti
Determining relations between mutations in carcinogenesis with data mining methods
UĞUR TOPRAK
Yüksek Lisans
Türkçe
2015
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. KEMAL TURHAN
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR