利用状态相似性降低BN2O网络的计算复杂度

尽管一般贝叶斯信念网络中的概率推理是一个NP难问题，但在大多数实际情况下，通过利用领域知识并在知识表示中进行近似，可以缩短推理的计算时间。本文引入了状态相似性这一性质，以及一种基于该性质进行近似知识表示与推理的新方法。我们将一个节点的两个或多个状态定义为相似的，当它们的概率之比，即似然比，不依赖于网络中其他节点的实例化。我们证明，状态相似性暴露了联合概率分布中的冗余，这些冗余可被利用来减少具有多个相似状态的网络中概率推理的计算时间，并且具有指数级数量相似状态的网络的计算复杂度可能是多项式级的。我们以一个BN2O网络——一种常用于诊断问题的两层网络——为例，通过将其简化为一个具有多个相似状态的非常接近的网络来展示我们的思想。我们证明，对实际查询的回答会非常快速地收敛到原始网络所得到的答案。对于仅需原始BN2O模型10%计算时间的模型，最大误差低至5%。