Myllymäki，培养基 将贝叶斯网络映射到随机神经网络：混合贝叶斯神经系统的基础。 （英语） Zbl 0878.68100号 赫尔辛基：赫尔辛基大学，计算机系。科学。93，第2页（1995年）。 小结：我们感兴趣的是寻找一组离散属性的最大后验概率（MAP）值赋值问题，考虑到一些属性永久固定为某些先验值的约束。为了在实践中构建一个能够进行此类不确定推理的系统，我们首先需要构造问题域的精确抽象表示，然后建立一种高效的搜索机制，以便在所构建的模型中查找MAP配置。我们提出了一种混合贝叶斯网络-神经网络系统来解决这两个子任务。假设有合适的专家知识可用，贝叶斯网络组件可用于快速可靠地构建问题域概率分布的紧凑、高级表示。然后，神经网络组件为搜索模型状态空间提供了一个计算效率高、大规模并行的平台。这类系统的主要应用领域包括配置和设计问题、医学诊断和模式识别。为了实现如上所述的混合贝叶斯神经系统，我们在这里提出了将给定贝叶斯网络映射到随机神经网络架构的方法，在这个意义上，由此产生的神经网络更新过程可证明收敛到一个状态，该状态可以根据与原始贝叶斯网络对应的概率分布投影到MAP状态。从神经网络的角度来看，这些映射可以被视为一种将高概率先验信息直接并入神经网络的方法，而无需求助于耗时且不可靠的学习过程。从贝叶斯网络的观点来看，映射提供了模拟退火的大规模并行实现，其中所有变量都可以同时更新。我们的经验模拟表明，如果有合适的硬件可用，这种大规模并行模拟退火的性能优于传统的顺序吉布斯采样/模拟退火过程。 MSC公司： 68T05型 人工智能中的学习和自适应系统 68-02 与计算机科学有关的研究博览会（专著、调查文章） 关键词：最大后验概率;贝叶斯网络神经网络系统 软件：BaRT公司 PDF格式BibTeX公司 XML格式引用 \textit{P.Myllymäki}，将贝叶斯网络映射到随机神经网络：混合贝叶斯神经系统的基础。赫尔辛基：赫尔辛基大学，计算机系。科学。（1995年；Zbl 0878.68100）