测量具有确定性因果关系的贝叶斯网络上随机采样的难度：k检验
人工智能
2012-02-20 v1
摘要
近似贝叶斯推理是NP难的。Dagum和Luby定义了局部方差界（LVB）来衡量贝叶斯网络上贝叶斯推理的近似难度，假设网络建模严格正的联合概率分布，即不允许零概率。本文引入了k检验，用于衡量概率分布中具有确定性因果关系的贝叶斯网络上推理的近似难度，即允许零条件概率。随机采样近似是一种广泛使用的推理方法，已知由于样本拒绝而存在效率低下的问题。k检验预测了贝叶斯网络随机采样的拒绝率何时会低、中等、高，或者采样何时是难解的。
引用
@article{arxiv.1202.3773,
title = {Measuring the Hardness of Stochastic Sampling on Bayesian Networks with Deterministic Causalities: the k-Test},
author = {Haohai Yu and Robert A. van Engelen},
journal= {arXiv preprint arXiv:1202.3773},
year = {2012}
}