有限空间上概率测度的复合
人工智能
2013-02-08 v1
摘要
可分解模型和贝叶斯网络可定义为通过复合算子连接的低维概率测度序列。初步结果表明，允许有效计算过程的概率模型由具有特殊性质的序列表示，我们称之为完美序列。本文奠定了进一步研究复合算子迭代应用所需的基础。我们相信可以开发一种技术，以统一的方式描述多种图模型。我们确信，几乎所有与可分解模型和贝叶斯网络相关的理论结果和过程都可以转化为本文引入的术语。例如，这些模型中计算过程的复杂度密切依赖于改变定义模型的低维测度排序的可能性。因此，本文重点关注改变复合算子排序的可能性。
引用
@article{arxiv.1302.1551,
title = {Composition of Probability Measures on Finite Spaces},
author = {Radim Jirousek},
journal= {arXiv preprint arXiv:1302.1551},
year = {2013}
}
备注
Appears in Proceedings of the Thirteenth Conference on Uncertainty in Artificial Intelligence (UAI1997)