SOLBP：用于不确定贝叶斯网络推理的二阶循环信念传播
人工智能
2022-08-17 v1 机器学习
机器学习
摘要
在二阶不确定贝叶斯网络中，条件概率仅在分布内已知，即关于概率的概率。delta方法已被用于扩展精确的一阶推理方法，以通过由贝叶斯网络导出的和积网络传播均值与方差，从而刻画认知不确定性，或模型本身的不确定性。另者，二阶信念传播已在多树（polytrees）上得到演示，但尚未推广至一般的 directed acyclic graph（有向无环图）结构。在本工作中，我们将循环信念传播（Loopy Belief Propagation）扩展至二阶贝叶斯网络设定，由此产生二阶循环信念传播（SOLBP）。对于二阶贝叶斯网络，SOLBP生成的推理与和积网络生成的一致，同时具有更高的计算效率与可扩展性。
引用
@article{arxiv.2208.07368,
title = {SOLBP: Second-Order Loopy Belief Propagation for Inference in Uncertain Bayesian Networks},
author = {Conrad D. Hougen and Lance M. Kaplan and Magdalena Ivanovska and Federico Cerutti and Kumar Vijay Mishra and Alfred O. Hero},
journal= {arXiv preprint arXiv:2208.07368},
year = {2022}
}
备注
8 pages, appeared at FUSION 2022: 25th International Conference on Information Fusion