大型多重连接信念网络上似然加权模拟的实证分析
人工智能
2013-04-05 v1
摘要
我们分析了似然加权算法在内科 QMR 知识库的双层多重连接信念网络表示上的收敛特性。具体而言，在两个困难的诊断案例中，我们考察了马尔可夫毯评分和重要性采样的效果，结果表明马尔可夫毯评分和自重要性采样显著提高了我们模型上模拟的收敛性。
引用
@article{arxiv.1304.1141,
title = {An Empirical Analysis of Likelihood-Weighting Simulation on a Large, Multiply-Connected Belief Network},
author = {Michael Shwe and Gregory F. Cooper},
journal= {arXiv preprint arXiv:1304.1141},
year = {2013}
}
备注
Appears in Proceedings of the Sixth Conference on Uncertainty in Artificial Intelligence (UAI1990)