Information Lattice Learning als structuurleren voor probabilistische grafische modellen

Information Lattice Learning leert interpreteerbare regels van een signaal door het afwisselend te projecteren op een partitierooster dat een hiërarchie van abstracties codeert, en geselecteerde regels terug te tillen naar het signaaldomein. Wanneer het signaal een kansmassafunctie is, laten de auteurs zien dat de probabilistische regels van ILL een natuurlijke interpretatie als probabilistisch grafisch model toelaten, en werken ze die interpretatie in detail uit.