蒂莫·科斯基（Timo J.T.Koski）。;约翰·M·诺布尔。 贝叶斯网络和结构学习综述。 （英语） Zbl 1320.62051号 数学。申请。（华沙） 40，第1期，53-103（2012）. 摘要：本文回顾了贝叶斯网络的主题。贝叶斯网络是概率分布沿有向非循环图的因式分解。描述了图形分离与独立性之间的关系。1853年的一篇短文[A.凯利，“概率论中一个问题的注释”，伦敦爱丁堡都柏林哲学家出版社。《科学杂志》。本文讨论了6259（1853）]，其中包含了贝叶斯网络中后来使用的几个概念：因式分解、噪声门、代数几何在贝叶斯网中的应用。当DAG代表因果依赖结构时，Pearl的干预演算背后的思想以及Cayley和Pearl工作之间的关系得到了评论。大多数讨论都是关于结构学习的，概述了两种主要方法，搜索和基于分数与基于约束的方法。基于约束的算法通常依赖于忠实性假设，即应用该算法的数据是由满足忠实性假设的分布生成的，其中图形分离和独立性是等价的。本文基于最近的数据分析，对基于约束的算法提出了一些考虑，指出了忠实性假设不成立的各种情况。有一个关于因果发现争议的简短讨论，即因果关系可以从数据中学习。 引用于3文件 MSC公司： 2015年1月62日 贝叶斯推断 68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等） 65C60个 统计中的计算问题（MSC2010） 68T05型 人工智能中的学习和自适应系统 第68页第37页 人工智能背景下的不确定性推理 62H30型 分类和区分；聚类分析（统计方面） 62-02 与统计有关的研究展览（专著、调查文章） 62-03 统计历史 01A55号 19世纪数学史 01A60型 20世纪数学史 软件：TETRAD公司 PDF格式BibTeX公司 XML格式引用 \textit{T.J.T.Koski}和\textit{J.M.Noble}，数学。申请。（华沙）40，No.1，53--103（2012；Zbl 1320.62051） 全文： DOI程序 链接