在贝叶斯网络中寻找 ε-接近的参数变体
人工智能
2023-05-18 v1
摘要
本文解决贝叶斯网络（BNs）的 ε-接近参数调优问题：在给定的一组条件概率表（行）中，找到使关于 BN 的给定定量约束成立的概率条目的最小 ε-接近修正。基于参数化马尔可夫链最先进的“区域验证”技术，我们提出了一种能力超越任何现有技术的算法。我们的实验表明，对多达 8 个参数的大型 BN 基准进行 ε-接近调优是可行的。特别地，通过允许（i）多个 CPT 中的可变参数以及（ii）CPT 间参数依赖，我们处理了迄今甚少受关注的参数化 BN 子类。
引用
@article{arxiv.2305.10051,
title = {Finding an $\epsilon$-close Variation of Parameters in Bayesian Networks},
author = {Bahare Salmani and Joost-Pieter Katoen},
journal= {arXiv preprint arXiv:2305.10051},
year = {2023}
}
备注
IJCAI-2023