Zobrazeno 1 - 10
of 173
pro vyhledávání: '"Scutari M"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Dynamic Bayesian networks have been well explored in the literature as discrete-time models; however, their continuous-time extensions have seen comparatively little attention. In this paper, we propose the first constraint-based algorithm for learni
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1299::e4969efeed27d18231b22407bdc191f1
http://hdl.handle.net/10281/302789
http://hdl.handle.net/10281/302789
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Purpose Individualised physiotherapy is an effective treatment for low back pain. We sought to determine how this treatment works by using randomised controlled trial data to develop a Bayesian Network model. Methods 300 randomised controlled trial p
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::a3d68e6acd2c7d81cec6455c6004683c
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Learning the structure of Bayesian networks from data is known to be a computationally challenging, NP-hard problem. The literature has long investigated how to perform structure learning from data containing large numbers of variables, following a g
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______900::506679469fd4fdb5f751db3372103e8f
http://bura.brunel.ac.uk/handle/2438/17465
http://bura.brunel.ac.uk/handle/2438/17465
Autor:
Scutari, M
A classic approach for learning Bayesian networks from data is to select the maximum a posteriori (MAP) network. In the case of discrete Bayesian networks, the MAP network is selected by maximising one of several possible Bayesian Dirichlet (BD) scor
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1064::a751cda84cbad203749e13ce5ea89593
https://ora.ox.ac.uk/objects/uuid:88eea05d-f75c-4601-abec-df62fc3448fc
https://ora.ox.ac.uk/objects/uuid:88eea05d-f75c-4601-abec-df62fc3448fc