使用高斯混合的混合贝叶斯网络推理
人工智能
2012-07-02 v1 统计方法学
摘要
本文的主要目标是描述一种在一般混合贝叶斯网络（BNs）（包含离散和连续随机变量的混合）中进行精确推理的方法。我们的方法通过用高斯混合（MoG）BNs 来近似一般混合贝叶斯网络。Lauritzen-Jensen（LJ）提出的一种快速算法可用于在 MoG 贝叶斯网络中进行精确推理，且该算法已有商业实现。然而，该算法仅能用于 MoG BNs。此类网络的局限性如下：所有连续随机变量必须具有条件线性高斯分布，且离散随机节点不能有连续父节点。本文描述的方法将使我们能够将 LJ 算法应用于更大类的混合贝叶斯网络。这包括具有非高斯分布的连续随机节点的网络、对离散和连续变量拓扑无限制的网络、具有作为其连续父节点非线性函数的条件确定性变量的网络，以及方差为其父节点函数的连续随机变量的网络。
引用
@article{arxiv.1206.6877,
title = {Inference in Hybrid Bayesian Networks Using Mixtures of Gaussians},
author = {Prakash P. Shenoy},
journal= {arXiv preprint arXiv:1206.6877},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Second Conference on Uncertainty in Artificial Intelligence (UAI2006)