概率知识的表示与推理：一种贝叶斯方法
人工智能
2013-03-08 v1
摘要
PAGODA（概率自主目标导向智能体）是用于概率领域中自主学习的模型 [desJardins, 1992]，它引入了创新技术，利用智能体已有的知识来引导和约束学习过程，并用于表示、推理和学习概率知识。本文描述了 PAGODA 中使用的概率表示和推理机制。PAGODA 形成关于其行为的影响以及世界状态随时间对环境影响的理论。这些理论表示为条件概率分布。对理论的结构施加了限制，使得推理机制能够为任何行为和世界状态描述找到唯一的预测分布。这些受限理论被称为唯一预测理论。推理机制，即基于独立性的概率组合（PCI），使用最小的独立性假设来组合理论中的概率以做出概率预测。
引用
@article{arxiv.1303.1481,
title = {Representing and Reasoning With Probabilistic Knowledge: A Bayesian Approach},
author = {Marie desJardins},
journal= {arXiv preprint arXiv:1303.1481},
year = {2013}
}
备注
Appears in Proceedings of the Ninth Conference on Uncertainty in Artificial Intelligence (UAI1993)