4

ガウス ベイジアン ネットワーク (確率変数の連続性に対応し、ガウス分布に従うベイジアン ネットワーク) の部分アブダクティブ推論に関連する問題が発生しています...

私の質問は次のとおりです。

  1. ガウス ベイジアン ネットワークの場合、ジャンクション ツリー伝搬のようなアルゴリズムは離散変数ベイジアン ネットワークにそのまま適用できますか?
  2. 「いいえ」の場合、ガウス ベイジアン ネットワークの場合、どのアルゴリズムを適用できますか?
  3. ガウスベイジアンネットワークの場合、部分アブダクティブ推論の複雑さの証明はありますか (離散変数ベイジアンネットワークの場合、タスクが NP 困難であることが知られているため)?
  4. 進化的アルゴリズムまたは MCMC サンプリング基準は、ガウス ベイジアン ネットワークの近似部分アブダクティブ推論に適用できますか?

この点で親切に私を助けてくれれば、私はあなたに非常に感謝します. 前もって感謝します...

4

1 に答える 1

4

Belief Propagation は、ガウス変数に対して簡単に実装できる sum() と product() の 2 つの操作を必要とするメッセージ パッシングに基づく一般的な推論アルゴリズムです。

ジャンクション ツリーの伝播は、ツリーで実行される信念の伝播の特殊なケースであるため、ガウス ベイジアン ネットワークにも適用できます。

これらの書籍では、連続ベイジア​​ン ネットワークでの推論が詳細に説明されています。

  • クリストファー・M・ビショップ。パターン認識と機械学習 (情報科学と統計学), 2009
  • ダフネ・コラー、ニール・フリードマン。確率的グラフィカル モデル、原則と技法、2009 年
于 2013-06-04T19:09:15.570 に答える