高斯贝叶斯网络中的推理
高斯贝叶斯网络中的推理
提问于 2013-06-02 05:36:59
本文针对高斯贝叶斯网络(Bayesian网络)中的部分求和推理( Bayesian网络)中的一些问题进行了研究，它考虑了随机变量的连续性质，同时遵循高斯分布。
我的问题是：
- 在高斯贝叶斯网络中，连接树传播等算法是否适用于离散变量贝叶斯网络？
- 如果没有，那么哪种算法适用于高斯贝叶斯网络？
- 在高斯贝叶斯网络情况下，部分求和推理是否有复杂性证明(众所周知，在离散变量贝叶斯网络情况下，该任务是NP-硬的)？
- 在高斯贝叶斯网络中，进化算法或MCMC抽样准则能用于近似部分求和推断吗？
如果你们能在这方面帮助我，我将非常感谢你们。提前谢谢..。
回答 1
Stack Overflow用户
发布于 2013-06-04 19:09:15
信念传播是一种基于消息传递的通用推理算法，需要对高斯变量进行求和()和乘积()两种操作。
连接树传播是一种在树上运行的信念传播的特例，因此它也可以应用于高斯贝叶斯网络。
这些书详细地解释了连续贝叶斯网络中的推理：
- 克里斯托弗·M·毕晓普。模式识别和机器学习(信息科学和统计)，2009年
- Daphne Koller，Nir Friedman.2009年概率图形模型、原理和技术
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/16880089
复制相关文章
相似问题
腾讯云开发者
