文件名称：kpu:影响图的 k-邻域策略更新
文件大小：45.03MB
文件格式：ZIP
更新时间：2024-07-09 20:30:17
Python
影响图的 k-邻域策略更新 一个 Python 包，它实现了k 邻域本地搜索算法，用于在（有限内存）影响图中选择策略 DD Maua 和 FG Cozman (2014)，在有限内存影响图中加速 k-邻域本地搜索。 在第七届欧洲概率图形模型会议论文集，LNAI 8754，第 334-349 页。 如果您在学术工作中使用此代码，请引用上面的出版物。 作为副产品，该包还为贝叶斯网络中的后验概率计算实现了变量消除方案。 执照 Denis D. Maua 版权所有 (2014) 本代码“按原样”提供。 使用风险自负。 发布这个包是为了让其他人可以重现论文中的实验，并有可能在其他工作中使用这些算法。 您可以通过简单的问题与我联系，但请不要指望从我那里得到真正的支持。 安装 只需克隆存储库（或下载压缩版本）。 强烈建议使用 Pypy 解释器而不是标准 Python 解释器运行脚本。 检查以获取
【文件预览】：
kpu-master
----generate-chain.py(856B)
----spu3.pyc(4KB)
----exp100-10-30.txt(8KB)
----spu2.pyc(5KB)
----varelim.pyc(6KB)
----Factor.py(2KB)
----Variable.py(417B)
----exp100-15-30.txt(8KB)
----io.pyc(5KB)
----LICENSE.md(88B)
----io.py(7KB)
----ptolimid.py(1KB)
----kpu.py(9KB)
----bruteforce.pyc(5KB)
----akpu.pyc(7KB)
----spu3.py(7KB)
----experiments.zip(44.99MB)
----chainID.py(9KB)
----Variable.pyc(789B)
----mpu.pyc(5KB)
----GraphUtils.py(9KB)
----mpu.py(6KB)
----example.py(1KB)
----Operations.py(8KB)
----README.md(3KB)
----Operations.pyc(7KB)
----SetFactor.pyc(11KB)
----akpu.py(7KB)
----SetFactor.py(15KB)
----Factor.pyc(3KB)
----GraphUtils.pyc(7KB)
----spu2.py(7KB)
----chainID.pyc(6KB)
----varelim.py(7KB)
----stats.awk(889B)
----bn2limid.py(7KB)
----bruteforce.py(5KB)
----exp100-2-30.txt(8KB)
----exp100-20-30.txt(8KB)
----exp100-25-30.txt(8KB)
----eval.sh(206B)
----run-chain.py(6KB)