关于强独立与认知置信网络的复杂度
人工智能
2013-09-27 v1
摘要
置信网络（Credal networks）是基于图的统计模型，其参数取值于一个集合，而非像传统统计模型（如贝叶斯网络）那样被精确指定。此类模型上的推断计算复杂度取决于所采用的无关性/独立性概念。在本文中，我们研究了在认知无关性（epistemic irrelevance）和强独立性概念下的推断复杂度。我们表明，即使在具有三值变量的树结构中，强独立性下的推断也是 NP 难的。我们证明了在认知无关性下，置信树中推断的多项式时间复杂度不太可能推广到更一般的模型（例如单连通网络）。这些结果清晰地区分了允许高效推断的网络与推断极可能困难的网络，并解决了关于计算复杂度的几个开放问题。
引用
@article{arxiv.1309.6845,
title = {On the Complexity of Strong and Epistemic Credal Networks},
author = {Denis D. Maua and Cassio Polpo de Campos and Alessio Benavoli and Alessandro Antonucci},
journal= {arXiv preprint arXiv:1309.6845},
year = {2013}
}
备注
Appears in Proceedings of the Twenty-Ninth Conference on Uncertainty in Artificial Intelligence (UAI2013)