刘满霞;阿扬·霍默索姆;马滕·范德海登;Peter J.F.卢卡斯。 混合时间贝叶斯网络。 (英语) Zbl 1465.62113号 Destercke,Sébastien(编辑)等人,用符号和定量方法进行不确定性推理。第13届欧洲会议,ECSQARU 2015,法国康皮涅,2015年7月15日至17日。诉讼程序。查姆:斯普林格。莱克特。注释计算。科学。9161, 376-386 (2015). 摘要:在概率模型中捕获异构动态系统是一个具有挑战性的问题。单一的时间粒度,例如动态贝叶斯网络所采用的时间粒度,提供了足够的灵活性来捕捉许多真实世界过程的动态。另一种方法是假设时间是连续的,从而产生连续时间贝叶斯网络。这里的问题是时间细节级别太精确,无法匹配可用的概率知识。本文提出了一类新的模型,称为混合时间贝叶斯网络,它结合了离散时间和连续时间贝叶斯网络。新的形式主义使我们能够更自然地建模具有规则和不规则变化变量的动态系统。它的有用性通过一个真实的医学问题来说明。关于整个系列,请参见[Zbl 1316.68008号]. 引用于1文件 MSC公司: 62H22个 概率图形模型 关键词:连续时间贝叶斯网络;动态贝叶斯网络;动态系统 PDF格式BibTeX公司 XML格式引用 \textit{M.Liu}等人,Lect。注释计算。科学。9161376--386(2015年;Zbl 1465.62113) 全文: 内政部 参考文献: [1] Bettini,C。;贾约迪亚,S。;Wang,S.,《数据库中的时间粒度、数据挖掘和时间推理》(2000),海德堡:斯普林格出版社·Zbl 0976.68049号 [2] 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年) [3] Nodelman,U.,Shelton,C.R.,Koller,D.:连续时间贝叶斯网络。摘自:《第十八届人工智能不确定性会议记录》,第378-387页。摩根考夫曼出版公司(2002) [4] Grzegorczyk,M.,Husmeier,D.:非静态连续动态贝叶斯网络。摘自:神经信息处理系统进展,第682-690页(2009年) [5] Robinson,J.W.,Hartemink,A.J.:非静态动态贝叶斯网络。摘自:神经信息处理系统进展,第1369-1376页(2009年) [6] Ramati,M.,Shahar,Y.:不规则时间贝叶斯网络。收录于:UAI 2010:第26届人工智能不确定性会议记录,第484-491页(2010) [7] van der Heijden,M.,Lucas,P.J.:具有时间不确定性的概率推理。在:PGM 2012:第六届欧洲概率图形模型研讨会论文集(2012) 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。