一种在信念网络中寻找最小 d-分离集的算法
人工智能
2013-02-18 v1
摘要
在有向无环图（dag）中，用于检验图形独立性的常用标准是众所周知的 d-分离标准。它使我们能够以信念网络的形式构建依赖模型（通常是概率依赖模型）的图形表示，从而无需参考数值参数（条件概率）即可轻松解释和管理独立关系。在本文中，我们研究以下组合问题：在 dag 中为两个节点寻找最小 d-分离集。该集合代表了防止这两个节点相互影响所需的最小信息（即最少变量数）。正如我们稍后将看到的，这一基本问题及其某些扩展的解决方案在多个方面都很有用。我们的解决方案基于一个两步过程：首先，我们将原问题简化为在无向图中寻找最小分离集的更简单问题；其次，我们开发了一个算法来解决它。
引用
@article{arxiv.1302.3549,
title = {An Algorithm for Finding Minimum d-Separating Sets in Belief Networks},
author = {Silvia Acid and Luis M. de Campos},
journal= {arXiv preprint arXiv:1302.3549},
year = {2013}
}
备注
Appears in Proceedings of the Twelfth Conference on Uncertainty in Artificial Intelligence (UAI1996)