路易斯·坎波斯（Luis M.de Campos）。;胡安·休特（Juan F.Huete）。;道德，塞拉芬 不确定性理论的独立性及其在信念网络学习中的应用。 （英文） Zbl 0970.68133号 Gabbay，Dov M.（编辑）等人，《可废止推理和不确定性管理系统手册》。第四卷：诱因推理与学习。多德雷赫特：Kluwer学术出版社。391-434 (2000). 摘要：本章组织如下：在第2节中，在介绍了以抽象方式捕获条件独立性直观概念的公理之后，我们展示了依赖模型如何通过图形结构（无向图和有向无环图）来表示。接下来，在第3节中，我们研究了估计（或学习）这些信念网络的方法，尽管我们的研究仅限于处理有向图。有几种基于不同原则的方法来执行此任务，我们重点关注基于识别域中变量之间独立关系的方法。我们从限制图的算法开始，逐步增加结构的复杂性。因此，首先我们研究树和多叉树的学习算法。这些图具有简单连接的特性（任何两个变量之间的无向路径不超过一条），这使得使用纯局部传播方法成为可能。接下来，我们考虑所谓的简单图（其中每对具有公共直接子变量的变量都没有公共祖先，也没有一个是另一个的祖先），最后，我们研究一般情况。在研究了基于条件独立性的信念网络学习算法后，如果我们想将其用于任何特定的不确定性理论，那么有必要在该理论中定义独立性的概念。第4节讨论了两种不同的不确定性形式，即可能性测度和概率区间。每个理论都考虑了几个备选方案，并分析了它们的特性。该研究还包括与独立相关的概念，如边缘化和条件化。最后，第5节包含结束语。关于整个系列，请参见[Zbl 0953.00020号]. 引用于1文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：学习算法 PDF格式BibTeX公司 XML格式引用 \textit{L.M.deCampos}等人，in：可判定推理和不确定性管理系统手册。第四卷：诱因推理与学习。多德雷赫特：Kluwer学术出版社。391--434（2000年；Zbl 0970.68133）