贝叶斯网络的割集采样
人工智能
2011-10-13 v1
摘要
本文提出了一种针对贝叶斯网络的新采样方法，该方法仅对变量子集进行采样，并对其余变量应用精确推理。割集采样是将 Rao-Blackwellisation 原理应用于贝叶斯网络采样的网络结构利用型应用。它通过利用基于内存的推理算法提高了收敛速度。它也可以被视为 Pearl 开发的精确割集条件算法的任意时间近似。当采样的变量构成贝叶斯网络的环割集时，割集采样可以高效实现；更一般地，当基于观测到的采样变量条件化的网络图诱导宽度被常数 w 界限时，亦可高效实现。我们在一系列基准测试上实证展示了该方案的优势。
引用
@article{arxiv.1110.2740,
title = {Cutset Sampling for Bayesian Networks},
author = {B. Bidyuk and R. Dechter},
journal= {arXiv preprint arXiv:1110.2740},
year = {2011}
}