贝叶斯网络中的参数调整：广义噪声 OR 门
人工智能
2013-03-08 v1
摘要
Spiegelhalter 和 Lauritzen [15] 研究了贝叶斯网络中的序贯学习，并提出了三种用于表示条件概率的模型。本文展示的第四种模型假设参数分布由高斯函数的乘积给出，并通过证据传播的 _ 和 _r 消息对其进行更新。我们还针对多值变量推广了噪声 OR 门，开发了计算时间与父节点数量成正比的概率算法（即使在包含环的网络中），并将该学习模型应用于此门。
引用
@article{arxiv.1303.1465,
title = {Parameter Adjustment in Bayes Networks. The generalized noisy OR-gate},
author = {Francisco Javier Diez},
journal= {arXiv preprint arXiv:1303.1465},
year = {2013}
}
备注
Appears in Proceedings of the Ninth Conference on Uncertainty in Artificial Intelligence (UAI1993)