通过网络加倍改进信念网络响应的均值和方差近似
人工智能
2012-05-14 v1
摘要
贝叶斯信念网络使用有向无环图表示变量之间的依赖关系，并使用网络参数刻画条件分布，从而对联合分布进行建模。参数被视为随机变量以量化其不确定性。信念网络用于计算对查询的响应，即感兴趣的条件概率。查询是参数的函数，因此是一个随机变量。Van Allen等人（2001, 2008）展示了如何通过其方差的delta方法近似来量化查询的不确定性。我们开发了更精确的查询均值和方差近似。关键思想是将查询均值近似扩展到涉及两个独立重复的“双倍网络”。我们的方法假设数据完整，可应用于离散、连续和混合网络（前提是离散变量只有离散父节点）。我们分析了几项改进，并提供了实证研究以证明其有效性。
引用
@article{arxiv.1205.2642,
title = {Improved Mean and Variance Approximations for Belief Net Responses via Network Doubling},
author = {Peter Hooper and Yasin Abbasi-Yadkori and Russell Greiner and Bret Hoehn},
journal= {arXiv preprint arXiv:1205.2642},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Fifth Conference on Uncertainty in Artificial Intelligence (UAI2009)