用于贝叶斯网络不一致证据处理的统一平滑与加速推理的统一传播
机器学习
2022-01-24 v1 统计计算
摘要
我们提出统一平滑（US）以处理贝叶斯网络模型与新未见观测之间的不一致性。我们表明，使用结合 US 的联结树算法进行预测的准确性与拉普拉斯平滑相当。此外，在利用数据结构稀疏性的应用中，US 在内存使用方面优于拉普拉斯平滑。进而，我们详述了如何避免联结树算法消息传递方案中原本必须执行的冗余计算，我们称之为统一传播（UP）。实验结果表明，在联结树算法的 Lauritzen-Spigelhalter 消息传递方案之上利用 UP 始终更快。
引用
@article{arxiv.2201.08659,
title = {Unity Smoothing for Handling Inconsistent Evidence in Bayesian Networks and Unity Propagation for Faster Inference},
author = {Mads Lindskou and Torben Tvedebrink and Poul Svante Eriksen and Søren Højsgaard and Niels Morling},
journal= {arXiv preprint arXiv:2201.08659},
year = {2022}
}