Submitted 20 August, 2024; originally announced August 2024. , Comments: 17 pages, extended version with supplementary material of paper accepted at the 27th European Conference on Artificial Intelligence (ECAI'24)
توضیحات به فارسی
20 اوت 2024 ارسال شد.در ابتدا اوت 2024 اعلام شد ، نظرات: 17 صفحه ، نسخه گسترده با مطالب تکمیلی کاغذ پذیرفته شده در بیست و چهارمین کنفرانس اروپایی اطلاعات مصنوعی (ECAI'24)
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Causal Bayesian networks (CBN) are popular graphical probabilistic models that encode causal relations among variables. Learning their graphical structure from observational data has received a lot of attention in the literature. When there exists no latent (unobserved) confounder, i.e., no unobserved direct common cause of some observed variables, learning algorithms can be divided essentially into two classes: constraint-based and score-based approaches. The latter are often thought to be more robust than the former and to produce better results. However, to the best of our knowledge, when variables are discrete, no score-based algorithm is capable of dealing with latent confounders. This paper introduces the first fully score-based structure learning algorithm searching the space of DAGs (directed acyclic graphs) that is capable of identifying the presence of some latent confounders. It is justified mathematically and experiments highlight its effectiveness.
چکیده به فارسی (ترجمه ماشینی)
شبکه های علیت بیزی (CBN) مدلهای احتمالی گرافیکی محبوب هستند که روابط علی را بین متغیرها رمزگذاری می کنند.یادگیری ساختار گرافیکی آنها از داده های مشاهده ای توجه زیادی را در ادبیات به خود جلب کرده است.هنگامی که هیچ مخفیانه نهفته (غیرقابل تحمل) وجود ندارد ، یعنی هیچ علت مشترک مستقیمی از برخی متغیرهای مشاهده شده وجود ندارد ، الگوریتم های یادگیری را می توان اساساً به دو کلاس تقسیم کرد: رویکردهای مبتنی بر محدودیت و مبتنی بر نمره.دومی اغلب تصور می شود که نسبت به گذشته قوی تر است و نتایج بهتری کسب می کند.با این حال ، به بهترین دانش ما ، هنگامی که متغیرها گسسته هستند ، هیچ الگوریتم مبتنی بر نمره قادر به برخورد با مخدوشان نهفته نیست.این مقاله اولین الگوریتم یادگیری ساختار کاملاً مبتنی بر نمره را که در جستجوی فضای DAG ها (نمودارهای حکسی) است که قادر به شناسایی حضور برخی از مخدوشان نهفته است ، معرفی می کند.از نظر ریاضی توجیه شده است و آزمایشات اثربخشی آن را برجسته می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
