在实时问题中使用LEG网络的优点与一个局限性
人工智能
2013-04-11 v1
摘要
在尝试了许多处理不确定性的非概率方法后，许多研究者重申了对概率方法的偏好[1][2]，尽管这仍有争议。在诊断问题中，能够从不完整数据形成决策的重要性凸显了概率方法[5]，这些方法以类似于贝叶斯规则的方式从先验分布计算后验概率，因此被称为贝叶斯方法。本文记录了在实时问题中使用贝叶斯方法的情况，该问题类似于医学诊断，需要在没有完全了解问题领域条件的情况下形成决策并采取行动。这种特定方法有一个局限性，本文对此进行了讨论。
引用
@article{arxiv.1304.2760,
title = {Advantages and a Limitation of Using LEG Nets in a Real-TIme Problem},
author = {Thomas Slack},
journal= {arXiv preprint arXiv:1304.2760},
year = {2013}
}
备注
Appears in Proceedings of the Third Conference on Uncertainty in Artificial Intelligence (UAI1987)