.png){kind=icon}
返回
Information graphs and their use for Bayesian network graph construction
.png){kind=icon}
OA
AI
DOI：10.1016/j.ijar.2021.06.007.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本文中，我们提出了信息图 (IG) 形式主义，它精确地说明了演绎和归纳推理与因果和证据信息之间的相互作用，其中 “演绎” 用于不可行的 “向前” 推理。IGs将领域专家在他们熟悉的非正式推理工具中进行的分析正式化，例如犯罪分析中使用的思维导图。根据给定证据的因果和证据信息进行推理的原则，我们对可能使用IGs进行的推理施加了限制。我们的IG形式主义旨在通过在使用非正式推理工具进行的分析和允许进行正式评估的形式主义之间充当中介形式主义，从而促进AI系统中形式表示的构建。在本文中，我们研究了IG形式主义作为中介形式主义在促进贝叶斯网络 (BN) 图构建中的使用。我们提出了一种结构化的方法，用于从IG a有向BN图自动构造，以及对BN表示的概率分布的定性约束。此外，我们证明了我们方法的许多形式属性，并确定了可以完全自动化构建初始BN图的假设。（C）2021作者本人。由Elsevier公司出版。
Keyword:
Bayesian networks
Causal and evidential reasoning
Deduction
Abduction
Uncertainty
Qualitative probabilistic reasoning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3
论文数:
3.0K
被引数:
5.1K
机构
引用论文
Women in southern Nigeria with change in paternity do not have increased incidence of pre-eclampsia
PREAI
分享收藏分享收藏The genome sequence of the rice blast fungus Magnaporthe grisea稻瘟病菌Magnaporthe grisea的基因组序列.png)
NatureOAAI
NatureIF0
OAAI分享收藏
分享收藏
查看更多内容