从非结构化概率模型与领域信息自动构建稀疏贝叶斯网络
人工智能
2013-04-08 v1
摘要
我们开发并实现了一种算法，该算法在给定非结构化概率模型和来自专家的因果领域信息的情况下，能够自动构建稀疏贝叶斯网络。其目标是获得一个尽可能明确揭示条件独立性信息的网络。该网络通过每次添加一个节点的方式增量构建。专家的信息和一种试图将每一步添加的弧数保持在最低限度的贪心启发式方法，被用于指导对下一个待添加节点的搜索。概率模型是一个谓词，能够回答关于领域中独立性的查询。在实践中，该模型可以以多种方式实现。例如，该模型可以是对经验数据进行操作的统计独立性检验，也可以是对关于该领域的一组独立性陈述进行操作的演绎证明器。
引用
@article{arxiv.1304.1530,
title = {Automated Construction of Sparse Bayesian Networks from Unstructured Probabilistic Models and Domain Information},
author = {Sampath Srinivas and Stuart Russell and Alice M. Agogino},
journal= {arXiv preprint arXiv:1304.1530},
year = {2013}
}
备注
Appears in Proceedings of the Fifth Conference on Uncertainty in Artificial Intelligence (UAI1989)