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