范瑜;徐静;Christian R.谢尔顿。 连续时间贝叶斯网络的重要性抽样。 （英语） Zbl 1242.62012年 J.马赫。学习。物件。 11, 2115-2140 (2010). 摘要：连续时间贝叶斯网络（CTBN）使用结构化表示来描述在连续时间内演化的具有有限状态数的动态系统。由于动态系统的状态空间随变量数呈指数级增长，因此CTBN中的精确推理通常很难实现。本文首先提出了一种基于重要性抽样的近似推理算法。然后我们将其扩展到连续时间粒子滤波和平滑算法。这三种算法可以估计轨迹的任何函数的期望值，条件是任何约束时间线子集上变量子集值的证据集。我们展示了合成网络和从人们生活历史事件的真实数据集中学习的网络的实验结果。我们展示了我们的算法的准确性和时间效率，并将它们与其他近似算法进行了比较：期望传播和吉布斯采样。 引用于6文件 MSC公司： 62D05型 抽样理论、抽样调查 05C90年 图论的应用 68层37 人工智能背景下的不确定性推理 关键词：近似推理;过滤;平滑的 软件：CTBN-RLE公司 PDF格式BibTeX公司 XML格式引用 \textit｛Y.Fan｝等人，J.马赫。学习。第11号决议，2115--2140（2010；Zbl 1242.62012） 全文： 链接