Tree-structured Bayesian networks for wrapped Cauchy directional distributions

Leguey Vitoriano, Ignacio; Bielza Lozoya, María Concepción y Larrañaga Múgica, Pedro María (2016). Tree-structured Bayesian networks for wrapped Cauchy directional distributions. En: "Conference of the Spanish Association for Artificial Intelligence, CAEPIA 2016", 14-16 Sep 2016, Salamanca, España. ISBN 978-3-319-44635-6. pp. 207-216. https://doi.org/10.1007/978-3-319-44636-3-19.

Descripción

Título: Tree-structured Bayesian networks for wrapped Cauchy directional distributions
Autor/es:
  • Leguey Vitoriano, Ignacio
  • Bielza Lozoya, María Concepción
  • Larrañaga Múgica, Pedro María
Tipo de Documento: Ponencia en Congreso o Jornada (Sin especificar)
Título del Evento: Conference of the Spanish Association for Artificial Intelligence, CAEPIA 2016
Fechas del Evento: 14-16 Sep 2016
Lugar del Evento: Salamanca, España
Título del Libro: Advances in Artificial Intelligence
Título de Revista/Publicación: Lecture Notes in Artificial Intelligence
Fecha: 2016
ISBN: 978-3-319-44635-6
Volumen: 9868
Materias:
Palabras Clave Informales: Directional statistics; Wrapped Cauchy distribution; Tree-structure; Bayesian networks
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (181kB) | Vista Previa

Resumen

Modelling the relationship between directional variables is a nearly unexplored field. The bivariate wrapped Cauchy distribution has recently emerged as the first closed family of bivariate directional distri- butions (marginals and conditionals belong to the same family). In this paper, we introduce a tree-structured Bayesian network suitable for mod- elling directional data with bivariate wrapped Cauchy distributions. We describe the structure learning algorithm used to learn the Bayesian net- work. We also report some simulation studies to illustrate the algorithms including a comparison with the Gaussian structure learning algorithm and an empirical experiment on real morphological data from juvenile rat somatosensory cortex cells.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaTIN2013-41592-PBES-2014-07114Universidad Politécnia de MadridSin especificar
Comunidad de MadridS2013/ICE- 2845CASI-CAM-CMSin especificarCajal Blue Brain Proyect

Más información

ID de Registro: 46050
Identificador DC: http://oa.upm.es/46050/
Identificador OAI: oai:oa.upm.es:46050
Identificador DOI: 10.1007/978-3-319-44636-3-19
URL Oficial: https://link.springer.com/book/10.1007/978-3-319-44636-3#about
Depositado por: Memoria Investigacion
Depositado el: 16 Mar 2018 09:42
Ultima Modificación: 16 Mar 2018 09:42
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • InvestigaM
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM