{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2023,10,1]]，“日期时间”：“2023-10-01T18:05:05Z”，“时间戳”：1696183505473}，“引用计数”：0，“发布者”：“AI Access Foundation”，“内容域”：{“域”：[]，“交叉标记限制”：false}，”短容器时间“：[”jair“]，”摘要“：”许多现实世界中的决策任务要求我们在几个昂贵的观察结果中进行选择。例如，在传感器网络中，选择预期能最大程度降低不确定性的传感器子集非常重要。在医疗决策任务中，在决定最有效的治疗之前，需要选择要进行的测试。使用启发式指导程序来选择观察结果是一种普遍做法。本文针对一类概率图形模型，提出了第一种选择观测值的有效优化算法。例如，我们的算法允许在隐马尔可夫模型（HMM）中优化标记隐藏变量。我们提供了选择最优观测子集和获得最优条件观测计划的结果。\此外，我们还证明了一个令人惊讶的结果：在大多数图形模型任务中，如果为链图（如HMM）设计一个有效的算法，这个过程可以推广到多自由图形模型。我们证明了信息的优化值是$NP^{PP}$——即使对于多面体也是困难的。从我们的结果还可以看出，即使在Naive Bayes模型（多叉树的一个简单特例）上，计算实践中常用的信息目标函数的决策理论值也是一个#P-完全问题。\此外，我们考虑了几个扩展，例如使用我们的算法为多个传感器调度观测选择。我们在几个真实数据集上证明了我们的方法的有效性，包括用于建筑节能的原型传感器网络部署<\/jats:p>“，”DOI“：”10.1613\/jair.2737“，”type“：”journal-article“，”created“：{”date-parts“：[[2018,7,17]]，”date-time“：”2018-07-17T09:22:53Z“，”timestamp“：1531819373000}，”page“：“557-591”，“source”：“Crossref”，“is-referenced-by-count”：43，“title”：[“图形模型中信息的最佳值”]，“前缀”：“10.1613”，“volume”“：”35“，”作者“：[{”给定“：”A.“，”family“：”Krause“，”sequence“：”first“，”affiliation“：[]}，”{“given”：“C.”，“family”：“Guestrin”，“sequence”：“additional”，“affiliation:[]}]，“member”：“16860”，“published-on-line”：{“date-parts”：[[2009,7,29]]}、“container-title”：[“Journal of Artificial Intelligence Research”]，“original-title“：[]，”link“：[{“URL”：“https:\/\/jair.org/index.php\/jair\/article\/download\/10616\/25390”，“内容类型”：“应用程序\/pdf”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”}，｛“URL”：“https:\/\/jair.org/index.php\/jair\/article\/download\/10616\/25389”，“内容类型”：“应用程序\/postscript”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”｝，｛URL“：”https:\/\/jair.org\/index.php\/jair \/article\/download\/10616\/25390“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2019,10,21]]，”date-time“：“2019-10-21T18:29:17Z”，”timestamp“：1571682557000}，”score“：1，”resource“：{“primary”：{“URL”：“https:\/\/jair.org\/index.php\/jair \/article\/view\/10616“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2009,7,29]]}，“引用计数”：0，”URL“：”http://\/dx.doi.org\/10.1613\/jaire.2737“，”关系“：{}，‘ISSN’：[”1076-9757“]，”ISSN-type“：[{”值“：“1076-9757”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2009,7,29]]}}}