×
马克西莫夫，A.G。;图卢皮耶夫，A.L。

代数贝叶斯网络：检查主干连接。 （英语。俄文原件） Zbl 1481.68038号

维斯特。圣彼得堡大学数学系。 54，第2期，187-195（2021）；维斯特翻译。圣彼得堡大学。一、 马特·梅赫。阿童木。8（66），编号2，305-316（2021）。
摘要：本文研究了机器学习不确定性知识片断库时出现的一个问题，该问题以代数贝叶斯网络的形式表示，即在其基本结构的基础上，构造作为全局网络结构的邻接图。研究的目的是提出求解逆问题的方法。作为结果，提出了检查图是否属于联合图族和最小联合图族的算法，并对其计算复杂度进行了估计。对于关节图族中的隶属度检查算法，还提出了特殊情况下的改进版本和一般情况下的平均改进版本。关节图的识别问题以前还没有研究过；这是目前起草的第一个问题。其理论意义在于可以将这些结果应用于代数贝叶斯网络整体结构中的图理论不变量的进一步研究。

MSC公司：

68T05型 人工智能中的学习和自适应系统
62H22个 概率图形模型
65年第68季度 算法和问题复杂性分析
68兰特 计算机科学中的图论（包括图形绘制）
68层37 人工智能背景下的不确定性推理

关键词：

代数贝叶斯网络;关节图;最小节理图;算法的复杂性

软件：

GMRF库
PDF格式BibTeX公司 XML格式引用
\textit{A.G.Maksimov}和\textit{A.L.Tulupyev}，Vestn。圣彼得堡大学数学。54，No.2，187--195（2021；Zbl 1481.68038）；维斯特翻译。圣彼得堡大学。一、 马特·梅赫。阿童木。8（66），编号2，305-316（2021）
全文： 内政部

参考文献：

[1] Tulup'ev，A.L。；Stolyarov，D.M。；Mentyukov，M.V.，“Java应用中贝叶斯代数网络的局部和全局结构的表示”，Tr，SPIIRAN，No.，5，71-99（2007）
[2] 奥巴林，V.V。；Tulup’ev，A.L.，“具有最小边数的联合图的合成：算法的形式化及其正确性分析”，Tr，SPIIRAN，No.，1142-157（2009）
[3] Tulup'ev，A.L。；Sirotkin，A.V。；Nikolenko，S.I.，《贝叶斯信念网络：非循环有向图中的逻辑概率推理》（2009），圣彼得堡：S.Peterb。戈斯。圣彼得堡大学
[4] A.A.Fil'chenkov，“最小联合图集的幂”，Inf.-Upr。姐姐。，第2期，13-17（2013）。
[5] V.V.Oparin、A.A.Fil'chenkov、A.V.Sirotkin和A.L.Tulup'ev，“一组知识片段上联合图族的Matroid表示”，Nauchno-Tekh。维斯特。Tekhnol.信息。，墨西哥。选择。，第4期，73-76（2010年）。
[6] Pearl，J.，《智能系统中的概率推理：合理推理网络》（2014）·Zbl 0746.68089号
[7] H街。；Held，L.，高斯马尔可夫随机场：理论与应用（2005）·邮编1093.60003 ·doi:10.1201/9780203492024
[8] N.A.Kharitonov、A.G.Maximov和A.L.Tulupyev，《代数贝叶斯网络：基于社交媒体和专家估计的不完美信息的本地机器学习的朴素频率方法》，Proc。第17届俄罗斯人工智能会议，俄罗斯乌里扬诺夫斯克，2019年10月21日至25日（Springer-Verlag，Cham，2019），第234-244页。
[9] Madsen，A.L。；Jensen，F。；Salmerón，A。；Langseth，H。；Nielsen，T.D.，“从大型数据集学习贝叶斯网络结构的并行算法”，Knowl.-，基于系统。，117, 46-55 (2017) ·doi:10.1016/j.knosys.2016.07.031
[10] Baltrušaitis，T。；阿胡加，C。；Morency，L.P.，《多模态机器学习：调查和分类》，IEEE Trans。模式分析。机器。智力。，41, 423-443 (2018) ·doi:10.10109/TPAMI.2018.2798607
[11] Sawada，K。；桥本，K。；Y.南卡库。；Tokuda，K.，基于隐马尔可夫特征图像模型的图像识别贝叶斯框架，IEEJ Trans。选举人。电子。工程师，1335-1347（2018）·doi:10.1002/tee.22700
[12] 蔡，B。；孔，X。；刘，Y。；林，J。；袁，X。；Xu，H。；Ji，R.，贝叶斯网络在可靠性评估中的应用，IEEE Trans。Ind.Inf.，15，2146-2157（2018）·doi:10.1109/TII.2018.2858281
[13] Ghahramani，Z.，概率机器学习和人工智能，《自然》，521452-459（2015）·doi:10.1038/nature14541
[14] S.Smirnov，“朝向2D晶格模型的共形不变性”。国际会议。《数学家（ICM）》，西班牙马德里，2006年8月22日至30日（欧洲数学学会，苏黎世，2006），第二卷，第1421-1451页·Zbl 1112.82014年
[15] J.M.Schmidt，《Mondschein序列》。第41届国际自动化、语言和编程学术讨论会（ICALP 2014），丹麦哥本哈根，2014年7月8日至11日（柏林斯普林格-弗拉格，2014），年：计算机科学课堂讲稿，第8572卷，第967-978页·Zbl 1303.05095号
[16] 科尔曼，T.H。；Leiserson，C.E。；Rivest，R.L。；Stein，C.，《算法导论》（2009），马萨诸塞州坎布里奇：麻省理工学院出版社，马萨诸塞诸塞州剑桥·Zbl 1187.68679号
[17] Tarjan，R.E.，《一种良好但非线性集合并算法的效率》，J.ACM，22，215-225（1975）·Zbl 0307.68029号 ·数字对象标识代码：10.1145/321879.321884
[18] Tarjan，R.E。；Van Leeuwen，J.，集并算法的最坏情况分析，J.ACM，31245-281（1984）·Zbl 0632.68043号 ·数字对象标识代码：10.1145/62.2160
[19] M.Fredman和M.Saks，《细胞探测动态数据结构的复杂性》。第21届ACM年会。《计算理论》，华盛顿州西雅图，1989年5月15日至17日（计算机械协会，纽约，1989年），第345-354页。
[20] Lancia，G。；维多尼，P.，《在期望的二次时间内找到图中最大的三角形》，欧洲期刊Oper。Res.，286458-467（2020年）·Zbl 1443.90323号 ·doi:10.1016/j.ejor.2020.03.059
[21] Spielman，D.A。；尚华，T.，算法的平滑分析：为什么单纯形算法通常需要多项式时间，J.ACM，51，385-463（2004）·Zbl 1192.90120号 ·数字对象标识代码：10.1145/990308.990310
[22] B.Bollobás，《现代图论》（Springer-Verlag，纽约，2013），收录于Ser.：《数学研究生文本》，第184卷。
[23] Schmidt，J.M.，《关于2顶点和2边连接的简单测试》，Inf.Process。莱特。，113, 241-244 (2013) ·Zbl 1259.05173号 ·doi:10.1016/j.ipl.2013年1月16日
[24] 塞格迪，B。；Szegedy，C.，辛空间与拟阵的耳分解，组合数学，26353-377（2006）·兹比尔1121.05094 ·文件编号：10.1007/s00493-006-0020-3
[25] H.Whitney，“不可分和平面图”，收录于《组合数学经典论文》，I.Gessel和G.-C.Rota编辑（Birkhäuser，波士顿，2009），收录在Ser.：《现代Birkhä用户经典》，第25-48页。doi:10.1007/978-0-8176-4842-8_2。
[26] X.Shang。；Chao，T。；马，P。；Yang，M.，构建最优拉丁超立方体设计的高效局部搜索遗传算法，工程优化。，52, 271-287 (2020) ·Zbl 1523.62061号 ·doi:10.1080/0305215X.2019.1584618
[27] Ghoshal，S。；Sundar，S.，《跨越彩虹森林问题的两种启发式方法》，欧洲期刊Oper。研究，285853-864（2020）·Zbl 1443.90322号 ·doi:10.1016/j.ejor.2020.02.045
[28] A.A.Korepanova、M.V.Abramov和T.V.Tulup'eva，《社交网络“Vkontakte”和“Odnoklassniki”中用户帐户的识别》。第17届国家。《与国际人工智能参与（KII-2019）的冲突》，俄罗斯乌里扬诺夫斯克，2019年10月21日至25日（乌里扬诺夫斯克Gos.Tekh.大学，2019），第2卷，第153-163页。
[29] 新达拉夫，N。；Bagretsov，G。；阿布拉莫夫，M。；Tulupyeva，T。；Suvorova，A.，《识别社交网络网站中员工档案的方法》，旨在分析社会工程漏洞，Adv.Intell。系统。计算。，679, 441-447 (2018) ·doi:10.1007/978-3-319-68321-845
[30] A.O.Khlobystova、M.V.Abramov和A.L.Tulupyev，“评估社会工程攻击痕迹的临界性的方法”，摘自《控制工程和决策的最新研究》（Springer-Verlag，Cham，2019），载于Ser.：《系统、决策和控制研究》，第199卷，第446-456页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。