高斯贝叶斯网络中的推理

时间:2013-06-02 05:37:00

标签: machine-learning gaussian bayesian-networks inference

我遇到了与高斯贝叶斯网络中的部分外展推理有关的问题(贝叶斯网络适应随机变量的连续性并且共同跟随高斯分布)......

我的问题是:

  1. 在高斯贝叶斯网络的情况下,像交叉树传播这样的算法能否适用于离散变量贝叶斯网络?
  2. 如果没有那么算法适用于高斯贝叶斯网络的情况?
  3. 在高斯贝叶斯网络的情况下,是否存在部分外展推理的复杂性证明(因为已知在离散变量贝叶斯网络的情况下任务是NP难的?)
  4. 演化算法或MCMC采样标准是否可以应用于高斯贝叶斯网络中的近似部分外展推理?
  5. 如果在这方面帮助我,我将非常感谢你们。提前谢谢......

1 个答案:

答案 0 :(得分:3)

Belief Propagation是一种基于消息传递的通用推理算法,需要两个操作,sum()和product(),可以很容易地实现高斯变量。

交叉树传播是在树上运行的信念传播的一种特殊情况,因此它也可以应用于高斯贝叶斯网络。

这些书在一些细节中解释了连续贝叶斯网络中的推理:

  • Christopher M. Bishop。模式识别与机器学习(信息科学与统计),2009
  • Daphne Koller,Nir Friedman。概率图形模型,原理和技术,2009