贝叶斯网络中的环状置信传播：起源与可能性视角
人工智能
2012-06-06 v1 信息检索
摘要
本文综合介绍了针对两种推理算法所开展的工作：应用于无环（即多树）贝叶斯网络的Pearl置信传播（BP）算法，以及应用于包含无向环网络的环状置信传播（LBP）算法（受BP启发）。众所周知，将BP算法应用于含环贝叶斯网络会给出错误的数值结果，即错误的后验概率。Murphy等人[7]发现LBP算法在多个网络上能够收敛，且在收敛时，LBP能给出对精确后验概率的良好近似。然而，当该算法应用于QMR（Quick Medical Reference）网络[15]时，表现出振荡行为。这一现象阻碍了LBP算法收敛至对后验概率的良好近似。我们相信，将推理计算问题从概率框架转换到可能性框架将有助于提升LBP算法的性能。我们期望将该算法适配于可能性因果网络将展现出LBP收敛性的改善。
引用
@article{arxiv.1206.0976,
title = {Loopy Belief Propagation in Bayesian Networks : origin and possibilistic perspectives},
author = {Amen Ajroud and Mohamed Nazih Omri and Habib Youssef and Salem Benferhat},
journal= {arXiv preprint arXiv:1206.0976},
year = {2012}
}
备注
The International Conference on Computing & e-Systems - 2007