基于可信网络的贝叶斯网络中可靠不确定证据建模
人工智能
2018-02-16 v1
摘要
提出了一种基于集值量化的贝叶斯网络中不确定证据的可靠建模方法。同时考虑了软证据与虚拟证据。我们表明，该设定下的证据传播可归约为增广可信网络中的标准更新，后者等价于一组一致的贝叶斯网络。推导了该任务的计算复杂性刻画，并给出了针对一类实例的高效精确过程。在同一变量上存在多个不确定证据的情况下，所提过程可提供几何意见池化方法的集值版本。
引用
@article{arxiv.1802.05639,
title = {Reliable Uncertain Evidence Modeling in Bayesian Networks by Credal Networks},
author = {Sabina Marchetti and Alessandro Antonucci},
journal= {arXiv preprint arXiv:1802.05639},
year = {2018}
}
备注
19 pages