动态贝叶斯网络的计算能力
人工智能
2017-08-28 v1 机器学习
摘要
本文考虑了常量大小的动态贝叶斯网络的计算能力。尽管离散动态贝叶斯网络并不比隐马尔可夫模型更强大，但具有连续随机变量和连续父节点的离散子节点的动态贝叶斯网络能够执行图灵完备计算。利用改进版的现有信念传播算法，此类模拟可实时进行。该结果表明动态贝叶斯网络可能比先前认为的更强大。还讨论了其与因果模型及循环神经网络的关系。
引用
@article{arxiv.1603.06125,
title = {The Computational Power of Dynamic Bayesian Networks},
author = {Joshua Brulé},
journal= {arXiv preprint arXiv:1603.06125},
year = {2017}
}