Approximate inference in Bayesian networks using binary probability trees

doi:10.1016/j.ijar.2010.05.006

Approximate inference in Bayesian networks using binary probability trees

2011-01-01

15

PRE

AI

DOI：10.1016/j.ijar.2010.05.006

原文链接

原文求助

摘要

En 中文

本文介绍了贝叶斯网络中潜力的一种新表示形式: 二进制概率树。它们能够比概率树更详细地表示上下文特定的独立性。这种增强的能力为某些类型的贝叶斯网络带来了更有效的推理算法。本文解释了从给定电势构建二进制概率树的过程，该过程类似于构建标准概率树所采用的过程。它还提供了一种修剪二叉树以减小其大小的方法。这允许我们根据输入阈值在推理中获得精确或近似的结果。本文还提供了直接对二叉树执行势的基本操作 (限制，组合和边缘化) 的详细算法。最后，描述了一些实验，其中将二叉树与变量消除算法一起使用，以将性能与标准概率树获得的性能进行比较。（C）2010爱思唯尔公司版权所有。

Keyword:

Bayesian networks inference

Approximate computation

Variable elimination algorithm

Deterministic algorithms

Probability trees

Approximate inference in Bayesian networks using binary probability trees

摘要

期刊

机构