具有局部凸分布集的贝叶斯网络的鲁棒性分析
人工智能
2013-02-08 v1
摘要
鲁棒贝叶斯推断是在概率模型存在扰动的情况下计算后验概率界。本文关注于可通过贝叶斯网络中的凸分布集局部表达的扰动。考虑了两种局部模型组合的方法。第一种方法取与局部分布集兼容的最大联合分布集；我们展示了如何将这种类型的鲁棒推断简化为线性规划问题。第二种方法取由局部分布集生成的联合分布的凸包；我们演示了如何应用内点优化方法来生成后验界，以及如何生成保证收敛到正确后验界的近似。我们还讨论了期望效用和方差界的计算，以及全局扰动模型。
引用
@article{arxiv.1302.1531,
title = {Robustness Analysis of Bayesian Networks with Local Convex Sets of Distributions},
author = {Fabio Gagliardi Cozman},
journal= {arXiv preprint arXiv:1302.1531},
year = {2013}
}
备注
Appears in Proceedings of the Thirteenth Conference on Uncertainty in Artificial Intelligence (UAI1997)