arXiv Artificial Intelligence· Aitor Oviedo-Madrid, Mabel Morales-Otero, Jose Gonzalez-Gomariz, Ruben Arma\~nanzas·· 3 小时前AI 评分18
半线性高斯贝叶斯网络 SLGBN：用惩罚 B 样条增强节点依赖灵活性
Semi-Linear Gaussian Bayesian Networks: Enhancing Flexibility in Node Dependencies via penalized B-Splines
AI 导读
研究者提出半线性高斯贝叶斯网络（SLGBN），在保留高斯条件分布的同时引入非线性条件均值函数，用基于惩罚 B 样条的广义可加模型（GAM）估计非线性节点。该框架统一了线性与非线性高斯条件模型，并给出两类节点的参数估计方法和贪心爬山结构学习算法。在存在非线性高斯关系时，SLGBN 的拟合优度与结构恢复优于 SPBN 和 LGBN，结合 EBIC* 评分时提升更明显，且计算开销低于完全半参数方法。
来源：arXiv Artificial Intelligence · arxiv.org