贝叶斯网络是一种概率网络,它是基于概率推理的图形化网络,而贝叶斯公式则是这个概率网络的基础。贝叶斯网络是基于概率推理的数学模型,所谓概率推理就是通过一些变量的信息来获取其他的概率信息的过程,基于概率推理的贝叶斯网络(Bayesian network)是为了解决不定性和不完整性问题而提出的,它对于解决复杂设备不确定性和关联性引起的故障有很大的优势,在多个领域中获得广泛应用。

VIP内容

题目: Sum-product networks: A survey

摘要: 和积网络是一种基于有根无环有向图的概率模型,其中终端节点表示单变量概率分布,非终端节点表示概率函数的凸组合(加权和)和乘积。它们与概率图形模型密切相关,特别是与具有多种上下文特定独立性的贝叶斯网络。它们的主要优点是可以根据数据建立可处理的模型,即,该模型可以根据图中链接的数量及时地执行多个推理任务。它们有点类似于神经网络,可以解决类似的问题,如图像处理和自然语言理解。本文综述了SPN的定义、数据推理和学习的主要算法、主要应用、软件库的简要介绍,并与相关模型进行了比较。

成为VIP会员查看完整内容
0
21

最新内容

We propose a new approach to explain Bayesian Networks. The approach revolves around a new definition of a probabilistic argument and the evidence it provides. We define a notion of independent arguments, and propose an algorithm to extract a list of relevant, independent arguments given a Bayesian Network, a target node and a set of observations. To demonstrate the relevance of the arguments, we show how we can use the extracted arguments to approximate message passing. Finally, we show a simple scheme to explain the arguments in natural language.

0
0
下载
预览

最新论文

We propose a new approach to explain Bayesian Networks. The approach revolves around a new definition of a probabilistic argument and the evidence it provides. We define a notion of independent arguments, and propose an algorithm to extract a list of relevant, independent arguments given a Bayesian Network, a target node and a set of observations. To demonstrate the relevance of the arguments, we show how we can use the extracted arguments to approximate message passing. Finally, we show a simple scheme to explain the arguments in natural language.

0
0
下载
预览
参考链接
子主题
Top