×
哈姆扎·阿格利;菲利普·博纳尔;克里斯托夫·冈萨雷斯;Pierre-Herri，Wuillemin

增量连接树推断。 （英语） Zbl 1452.68197号

Carvalho，Joao Paulo（编辑）等人，《基于知识的系统中的信息处理和不确定性管理》。第16届国际会议，2016年IPMU，荷兰埃因霍温，2016年6月20日至24日。诉讼程序。第一部分查姆：施普林格。Commun公司。计算。信息科学。610, 326-337 (2016).
摘要：在多目标动态系统中执行概率推理是一项具有挑战性的任务。当系统、其证据和/或目标进化时，大多数推理算法要么从头开始重新计算所有内容，即使增量更改不会使所有先前的计算无效，要么没有充分利用增量来最小化计算。当所研究的系统较大时，这会产生大量不必要的开销。为了缓解这个问题，我们在本文中提出了一种新的基于连接树的消息传递推理算法，该算法在给定新查询时，通过精确识别与之前计算不同的消息集来最小化计算。实验结果突出了我们方法的效率。
关于整个系列，请参见[Zbl 1385.68005号].

MSC公司：

68层37 人工智能背景下的不确定性推理
62H22个 概率图形模型

关键词：

贝叶斯网络;增量推理;连接树
PDF格式BibTeX公司 XML格式引用
\textit{H.Agli}等人，Commun。计算。信息科学。610、326--337（2016；Zbl 1452.68197）
全文： 内政部 哈尔

参考文献：

[1] Buchanan，B.G.，Shortiffe，E.H.：基于规则的专家系统：斯坦福启发式编程项目的Mycin实验。Addison-Wesley，雷丁（1984）
[2] Cooper，G.F.：使用贝叶斯信念网络进行概率推理的计算复杂性。Artif公司。智力。42(2-3), 393-405 (1990) ·Zbl 0717.68080号 ·doi:10.1016/0004-3702（90）90060-D
[3] Dagum，P.，Luby，M.：贝叶斯信念网络中的近似概率推理是NP-hard。Artif公司。智力。60(1), 141-153 (1993) ·Zbl 0781.68105号 ·doi:10.1016/0004-3702（93）90036-B
[4] D'Ambrosio，B.：增量概率推断。载：《第九届人工智能不确定性会议论文集》，第301-308页（1993年）
[5] Darwiche，A.：动态连接树。摘自：《第十四届人工智能不确定性会议论文集》，第97-104页（1998年）
[6] Dean，T.，Kanazawa，K.：关于持久性和因果关系的推理模型。计算。智力。5(2), 142-150 (1989) ·文件编号：10.1111/j.1467-8640.1989.tb00324.x
[7] Flores，M.J.、Gámez，J.A.、Olesen，K.G.：贝叶斯网络的增量编译。载：《第十九届人工智能不确定性会议记录》，第233-240页（2003年）
[8] Heckerman，D.E.，Shortiffe，E.H.：从确定性因素到信念网络。Artif公司。智力。医学4（1），35-52（1992）·doi:10.1016/0933-3657（92）90036-O
[9] Jensen，F.、Lauritzen，S.、Olesen，K.：通过局部计算在因果概率网络中进行贝叶斯更新。计算。Stat.Q.4，269-282（1990）·Zbl 0715.68076号
[10] Koller，D.，Friedman，N.：概率图形模型：原理和技术。麻省理工学院出版社，剑桥（2009）·Zbl 1183.68483号
[11] Koller，D.，Pfeffer，A.：基于概率框架的系统。摘自：《第十五届全国人工智能会议论文集》，第580-587页（1998年）
[12] Lauritzen，S.，Spiegelholter，D.J.：图形结构上的概率局部计算及其在专家系统中的应用。J.罗伊。Stat.Soc.50（2），157-224（1988）·Zbl 0684.68106号
[13] Li，W.，van Beek，P.，Poupart，P.:通过动态模型计数执行增量贝叶斯推理。摘自：《全国人工智能会议记录》，第1173-1179页（2006年）
[14] Lin，Y.，Druzdzel，M.J.：贝叶斯网络中基于相关性的顺序证据处理。摘自：第十一届国际佛罗里达人工智能研究会会议记录，第446-450页（1998年）
[15] Madsen，A.L.，Jensen，F.V.：延迟传播：基于延迟评估的连接树推理算法。Artif公司。智力。113(12), 203-245 (1999) ·Zbl 0939.68848号 ·doi:10.1016/S0004-3702（99）00062-4
[16] Murphy，K.P.：动态贝叶斯网络：表示、推理和学习。加州大学伯克利分校博士论文（2002）
[17] Pearl，J.：《智能系统中的概率推理：合理推理网络》。Morgan Kaufmann，圣马特奥（1988）·Zbl 0746.68089号
[18] Pfeffer，A.J.：复杂系统的概率推理。斯坦福大学博士论文（2000年）
[19] Robinson，J.，Hartemink，A.：非静态动态贝叶斯网络，第1369-1376页（2009）
[20] Shenoy，P.，Shafer，G.：概率和置信函数传播公理。载：《人工智能不确定性会议记录》，第4卷，第169-198页（1990年）
[21] 托蒂，L·兹比尔1316.68195 ·doi:10.1016/j.ijar.2013.03.005
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。