一种结构与时间扩展的贝叶斯信念网络模型：定义、性质与建模技术
人工智能
2013-02-18 v1
摘要
我们开发了可修改时序信念网络（MTBNs）语言，作为贝叶斯信念网络（BNs）在结构和时间上的扩展，以促进不确定性下的规范时序与因果建模。在本文中，我们给出了该模型、其组成部分及其基本性质的定义。我们还讨论了如何表示各种类型的时序知识，重点包括混合时序-显式时间建模、动态结构、避免因果时序不一致性，以及处理同时涉及行动（决策）与因果及非因果关联的模型。我们考察了BNs、可修改信念网络和具有单一时间粒度的MTBNs之间的关系，并提出了各自适合的应用领域。
引用
@article{arxiv.1302.3552,
title = {A Structurally and Temporally Extended Bayesian Belief Network Model: Definitions, Properties, and Modeling Techniques},
author = {Constantin F. Aliferis and Gregory F. Cooper},
journal= {arXiv preprint arXiv:1302.3552},
year = {2013}
}
备注
Appears in Proceedings of the Twelfth Conference on Uncertainty in Artificial Intelligence (UAI1996)