递归条件推理的新进展
人工智能
2012-12-12 v1
摘要
递归条件（Recursive Conditioning, RC）最近被提出，作为贝叶斯网络推理中首个任意空间（any-space）算法，它可以通过调整缓存大小（以存储一个浮点数所需的增量为单位）来换取时间。在完全缓存下，RC 的渐近时间和空间复杂度与基于变量消除和聚类的主流算法相当（相对于网络树宽呈指数级，相对于网络规模呈线性）。本文展示了关于 RC 的两个主要结果。首先，我们表明其在完全缓存下的实际空间需求远低于主流方法所需，并研究了这一发现的含义。其次，我们展示了 RC 可以通过采用单元归结等标准逻辑技术，有效处理贝叶斯网络中的确定性，从而在某些情况下显著减少其时间需求。我们使用多个基准网络说明了我们的结果，包括遗传连锁分析中出现的极具挑战性的网络。
引用
@article{arxiv.1212.2455,
title = {New Advances in Inference by Recursive Conditioning},
author = {David Allen and Adnan Darwiche},
journal= {arXiv preprint arXiv:1212.2455},
year = {2012}
}
备注
Appears in Proceedings of the Nineteenth Conference on Uncertainty in Artificial Intelligence (UAI2003)