查询有向无环图：实现信念网络推理的实用范式
人工智能
2014-08-08 v1
摘要
我们描述了一种实现信念网络推理的新范式，该范式将信念网络编译成称为查询有向无环图（Q-DAG）的算术表达式。Q-DAG的每个非叶节点表示一个数值运算、一个数字或一个证据符号。每个叶节点表示网络查询的答案，即某个感兴趣事件的概率。Q-DAG可以使用任何精确推理算法生成——我们展示了如何使用聚类和条件算法生成它们。Q-DAG生成算法的时间和空间复杂度不高于其所基于的推理算法的时间复杂度；Q-DAG在线评估算法的时间复杂度与Q-DAG的大小成线性关系，这种推理相当于对其表示的算术表达式进行标准评估。Q-DAG的主要价值在于减少在线实际应用中使用信念网络所需的软硬件资源。由于Q-DAG评估算法的简单性，所提出的框架也便于在不同软件和硬件平台上开发在线推理。本文描述了这种概率推理的新范式，解释了其工作原理、用途，并概述了它带来的一些研究方向。
引用
@article{arxiv.1408.1480,
title = {Query DAGs: A Practical Paradigm for Implementing Belief Network Inference},
author = {Adnan Darwiche and Gregory M. Provan},
journal= {arXiv preprint arXiv:1408.1480},
year = {2014}
}
备注
Appears in Proceedings of the Twelfth Conference on Uncertainty in Artificial Intelligence (UAI1996)