Boosted Statistical Relational Learners From Benchmarks to Data-Driven Medicine /

This SpringerBrief addresses the challenges of analyzing multi-relational and noisy data by proposing several Statistical Relational Learning (SRL) methods. These methods combine the expressiveness of first-order logic and the ability of probability theory to handle uncertainty. It provides an overv...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριοι συγγραφείς: Natarajan, Sriraam (Συγγραφέας), Kersting, Kristian (Συγγραφέας), Khot, Tushar (Συγγραφέας), Shavlik, Jude (Συγγραφέας)
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:English
Έκδοση: Cham : Springer International Publishing : Imprint: Springer, 2014.
Σειρά:SpringerBriefs in Computer Science,
Θέματα:
Διαθέσιμο Online:Full Text via HEAL-Link
Πίνακας περιεχομένων:
  • Introduction
  • Statistical Relational Learning
  • Boosting (Bi-)Directed Relational Models
  • Boosting Undirected Relational Models
  • Boosting in the presence of missing data
  • Boosting Statistical Relational Learning in Action
  • Appendix: Booster System.