Genomikai adatok elemzése kontextuális Bayes hálók felhasználásával

OData támogatás
Konzulens:
Dr. Antal Péter
Méréstechnika és Információs Rendszerek Tanszék

A Bayes-hálók a bizonytalan tudás ábrázolásának valószínűségi alapú megközelítésének egyik legfontosabb módszerét adják. Fő erejüket azon képességük jelenti, hogy képesek a sokváltozós eloszlások hatékony ábrázolására, a modell explicite reprezentálja a változók közötti függetlenségeket, valamint alkalmasak mind az a priori szakértői tudás, mind a statisztikai adatok alapján tanulni.

Mivel egy teljes tárgyterületi modellt alkotó Bayes-háló tanításához nagy mennyiségű statisztikai adat szükséges, a Bayes-hálókkal kapcsolatos egyik legfontosabb kutatási terület a lokális valószínűségi modellekre irányul. A diplomamunka olyan Bayes-hálók tanulását vizsgálja, amelyek a kontextuális feltételes függetlenségeket explicite reprezentáló lokális valószínűségi modelleket tartalmazhatnak.

Háromféle lokális modell kerül implementálásra: az alapértelmezett tábla, a döntési fa és a döntési gráf. Ezek felhasználásával próbálunk a statisztikai adatokból tanulva pontosabb modelleket építeni.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.