下界贝叶斯网络——贝叶斯网络中概率分布下界的高效推理
人工智能
2012-05-14 v1
摘要
我们提出了一种在传统贝叶斯网络中传播条件概率分布下界的新方法。我们的方法保证提供精确下界的外近似。一个关键优势是我们可以使用任何可用的贝叶斯网络算法和工具来表示和推理下界。对于具有二元变量的树，该方法的结果可证明是精确的；对于所有其他网络结构，其结果与credal网络中的现有近似方法具有竞争力。我们的方法不限于特定的网络结构。基本上，它也不限于特定类型的推理，但我们在本文中将分析限制在预后推理。计算复杂度优于其他现有方法。
引用
@article{arxiv.1205.2665,
title = {Lower Bound Bayesian Networks - An Efficient Inference of Lower Bounds on Probability Distributions in Bayesian Networks},
author = {Daniel Andrade and Bernhard Sick},
journal= {arXiv preprint arXiv:1205.2665},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Fifth Conference on Uncertainty in Artificial Intelligence (UAI2009)