基于 Lazy Propagation 的 CLG 贝叶斯网络中的信念更新
人工智能
2012-07-02 v1
摘要
近年来，包含连续和离散混合变量的贝叶斯网络受到了越来越多的关注。我们提出了一种用于条件线性高斯贝叶斯网络中精确信念更新的架构。该架构是 lazy propagation 的扩展，使用了 Lauritzen & Jensen [6] 和 Cowell [2] 的运算。通过将团和分隔势分解为因子集，所提出的架构利用了由图结构和证据所诱导的独立性和无关性属性。由此带来的益处通过示例进行了说明。初步的经验性能评估结果表明，所提出的架构具有显著的潜力。
引用
@article{arxiv.1206.6854,
title = {Belief Update in CLG Bayesian Networks With Lazy Propagation},
author = {Anders L. Madsen},
journal= {arXiv preprint arXiv:1206.6854},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Second Conference on Uncertainty in Artificial Intelligence (UAI2006)