Efficient algorithms for robustness analysis of maximum a posteriori inference in selective sum-product networks (2020)
- Authors:
- USP affiliated authors: MAUÁ, DENIS DERATANI - IME ; LLERENA, JULISSA GIULIANA VILLANUEVA - IME
- Unidade: IME
- DOI: 10.1016/j.ijar.2020.07.008
- Subjects: MODELOS PARA PROCESSOS ESTOCÁSTICOS; APRENDIZADO COMPUTACIONAL
- Keywords: Robust statistics; Sensitivity analysis; Sum-product networks; Tractable probabilistic models
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: International Journal of Approximate Reasoning
- ISSN: 0888-613X
- Volume/Número/Paginação/Ano: v. 126, p.158-180-, 2020
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: bronze
- Licença: publisher-specific-oa
-
ABNT
VILLANUEVA LLERENA, Julissa e MAUÁ, Denis Deratani. Efficient algorithms for robustness analysis of maximum a posteriori inference in selective sum-product networks. International Journal of Approximate Reasoning, v. 126, p. 158-180-, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.ijar.2020.07.008. Acesso em: 10 jan. 2026. -
APA
Villanueva Llerena, J., & Mauá, D. D. (2020). Efficient algorithms for robustness analysis of maximum a posteriori inference in selective sum-product networks. International Journal of Approximate Reasoning, 126, 158-180-. doi:10.1016/j.ijar.2020.07.008 -
NLM
Villanueva Llerena J, Mauá DD. Efficient algorithms for robustness analysis of maximum a posteriori inference in selective sum-product networks [Internet]. International Journal of Approximate Reasoning. 2020 ; 126 158-180-.[citado 2026 jan. 10 ] Available from: https://doi.org/10.1016/j.ijar.2020.07.008 -
Vancouver
Villanueva Llerena J, Mauá DD. Efficient algorithms for robustness analysis of maximum a posteriori inference in selective sum-product networks [Internet]. International Journal of Approximate Reasoning. 2020 ; 126 158-180-.[citado 2026 jan. 10 ] Available from: https://doi.org/10.1016/j.ijar.2020.07.008 - Cautious classification with data missing not at random using generative random forests
- Robust analysis of MAP inference in selective sum-product nNetworks
- Tractable classification with non-ignorable missing data using generative random forests
- Efficient predictive uncertainty estimators for deep probabilistic models
- Tractable inference in credal sentential decision diagrams
- Qualitative global sensitivity analysis for probabilistic circuits
- Multi-label classification based on sum-product networks
- Hidden Markov models with set-valued parameters
- Advances in learning Bayesian networks of bounded treewidth
- Modelos de tópicos na classificação automática de resenhas de usuário
Informações sobre o DOI: 10.1016/j.ijar.2020.07.008 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3005715.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
