формат Adobe PDF, размер 2173 Кб - Информационно ...

ISBN 5–7262–0471–9ЛЕКЦИИ ПО НЕЙРОИНФОРМАТИКЕям — например, распределения, в которых минимальное расстояние междувсеми парами ладей максимально, либо конфигурации с ортогональными 10столбцами. Такой поиск соответствует перестановкам во множестве чисел1, 2, . . . , 8, которые нумеруют строки для упорядоченных по столбцам фигур.Все эти размещения называются латинскими квадратами.Латинские гиперкубы представляют собой прямое обобщение этогопримера на случай N точек в пространстве D измерений. Все конфигурацииполучаются из базовой матрицы размещений размерности (N × D), вкоторой в каждом столбце последовательно расположены числа 1, 2, . . . , N.Таким образом, метод латинских гиперкубов позволяет путем целочисленногокомбинаторного перебора получить множество из N многомерныхвекторов, распределение которых, по построению, может обладать полезнымидополнительными свойствами, в сравнении с полностью случайнымивекторами.В применении к оцениванию условных вероятностей таким важнымсвойством может являться использование каждого из допустимых значенийпеременных-предков хотя бы один раз в выборке.Вновь обратимся к численному примеру [4]. Пусть рассматриваетсябайесова сеть из трех узлов с одним конвергентным соединением.ABCРИС. 3. Архитектура простейшей сетиВ отличие от ранее рассмотренных примеров, переменные в сети могутпринимать более чем два значения. Для проведения анализа вероятностейпостроим матрицу латинского гиперкуба (100 × 3), соответствующую 100испытаниям. Эта матрица может выглядеть, например, так:.10 Имеется в виду ортогональность столбцов при переходе к нумерации −N/2 . . . + N/2164 УДК 004.032.26 (06) Нейронные сети