RIV/00216224:14330/13:00072814 - Parameterized Complexity Results for Exact Bayesian Network Structure Learning (2013)

Údaje o výsledku
Identifikační kódRIV/00216224:14330/13:00072814
Název v původním jazyceParameterized Complexity Results for Exact Bayesian Network Structure Learning
DruhJ - Článek v odborném periodiku
Jazykeng - angličtina
OborBD - Teorie informace
Rok uplatnění2013
Kód důvěrnosti údajůS - Úplné a pravdivé údaje nepodléhající ochraně podle zvláštních právních předpisů
Počet výskytů výsledku1
Údaje z Hodnocení výsledků výzkumných organizací 2014
Výsledek byl hodnocen v Pilíři I
Rozsah vyřazení výsledkuTento výskyt výsledku není vyřazen
Zařazení výsledku v hodnoceníJimp - Článek v impaktovaném časopise evidovaném ve Web of Science
Skupina oboru v hodnocení04 - Technické a informatické vědy
Konkrétní způsob(y) hodnocení výsledkuČlánek v impaktovaném časopise evidovaném ve Web of Science
Bodové ohodnocení19,246
Faktor korekce86,1 %
Body (upravené podle přílohy č. 8 Metodiky)16,575
Rozdělení výsledku mezi předkladatele
OrganizaceVýzkumná organizace?PodílBodyBody (upravené podle přílohy č. 8 Metodiky)
Masarykova univerzita / Fakulta informatikyano66,7 %12,83111,050
Tvůrci výsledku
Počet tvůrců celkem2
Počet domácích tvůrců1
TvůrceOrdyniak Sebastian (státní příslušnost: DE - Spolková republika Německo; A - domácí tvůrce)
TvůrceSzeider Stefan (státní příslušnost: AT - Rakouská republika)
Údaje blíže specifikující výsledek
Popis v původním jazyceThe propositional planning problem is a notoriously difficult computational problem, which remains hard even under strong syntactical and structural restrictions. Given its difficulty it becomes natural to study planning in the context of parameterized complexity. In this paper we continue the work initiated by Downey, Fellows and Stege on the parameterized complexity of planning with respect to the parameter ``length of the solution plan.'' We provide a complete classification of the parameterized complexity of the planning problem under two of the most prominent syntactical restrictions, i.e., the so called PUBS restrictions introduced by B{\"a}ckstr\"{o}m and Nebel and restrictions on the number of preconditions and effects as introduced by Bylander. We also determine which of the considered fixed-parameter tractable problems admit a polynomial kernel and which don't.
Klíčová slovaprobabilistic network structure learning; parameterized complexity; algorithms
Kód UT ISI000315862100001
Rozsah stran263-302
Název periodkaJOURNAL OF ARTIFICIAL INTELLIGENCE RESEARCH
ISSN1076-9757
Svazek periodika46
Číslo periodika v rámci uvedeného svazku1
Stát vydavatele periodikaUS - Spojené státy americké
Počet stran výsledku40
Údaje o tomto záznamu o výsledku
PředkladatelMasarykova univerzita / Fakulta informatiky
DodavatelMSM - Ministerstvo školství, mládeže a tělovýchovy (MŠMT)
Rok sběru2014
Systémové označení dodávky datRIV14-MSM-14330___/01:1
SpecifikaceRIV/00216224:14330/13:00072814!RIV14-MSM-14330___
Kontrolní kód[8276EE30EA4B]
Jiný výskyt tohoto výsledku se v RIV nenachází
Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl
ProjektEE2.3.30.0009 - Zaměstnáním čerstvých absolventů doktorského studia k vědecké excelenci (2012-2015, MSM/EE)