信念网络的理想重构
人工智能
2013-04-05 v1
摘要
对信念网络进行智能重构或重组可大幅提高推理效率。然而，用于重构的时间无法用于执行推理。因此，在时间压力下，存在用于重构网络的时间与用于实施解决方案的时间之间的权衡。我们研究了将资源划分为用于重构的时间和用于推理的时间这一问题。首先，我们将描述在不确定性下计算资源理想划分的一般原则。这些原则适用于可划分为相互依赖的问题解决阶段的各类问题。随后，我们将展示关于确定投入多少时间搜索信念网络中的团（cliques）最为理想的实证研究结果。在本工作中，我们获取并利用了表征以下内容的概率分布：(1) 将网络实例重构为一组团的各种启发式搜索方法的性能；(2) 在各种信念网络上执行推理过程所需的时间。给定一个描述解的价值与其计算所需延迟之间关系的偏好模型，系统会选择投入重构的理想时间。
引用
@article{arxiv.1304.1089,
title = {Ideal Reformulation of Belief Networks},
author = {John S. Breese and Eric J. Horvitz},
journal= {arXiv preprint arXiv:1304.1089},
year = {2013}
}
备注
Appears in Proceedings of the Sixth Conference on Uncertainty in Artificial Intelligence (UAI1990)