关于生成替代解释及其对信念修正的启示
人工智能
2013-03-26 v1
摘要
一般而言，针对给定观测的最佳解释并未承诺其相对于其他替代解释的优劣程度。贝叶斯网络中用于信念修正的消息传递方案的一个主要缺陷是，它们无法生成除第二好解释之外的其他替代解释。在本文中，我们提出了一种基于线性约束系统的通用方法，该方法能以有序且高效的方式自然地生成替代解释。随后，我们将此方法应用于基于代价的溯因问题以及贝叶斯网络中的信念修正。
引用
@article{arxiv.1303.5747,
title = {On the Generation of Alternative Explanations with Implications for Belief Revision},
author = {Eugene Santos},
journal= {arXiv preprint arXiv:1303.5747},
year = {2013}
}
备注
Appears in Proceedings of the Seventh Conference on Uncertainty in Artificial Intelligence (UAI1991)