Простейшие циклы в байесовских сетях доверия: распределение вероятностей и возможность его противоречивого задания
Аннотация
Одной из основных проблем развития теории байесовских сетей доверия является проблема наличия направленных циклов в графе этой сети. В частности, возникает проблема определения непротиворечивости такой сети. В работе рассматривается байе- совская сеть, представляющая собой цикл из n вершин. Предлагаются методы работы с такой сетью. Доказывается, что в общем случае для определения непротиворечивости необходимо рассмотреть совокупное распределение вероятностей всех вершин графа.Литература
Городецкий В.И., Тулупьев А.Л. Алгебраические байесовские сети для представления и обработки знаний с неопределенностью // 4-я Санкт-Петербургская конференция Региональная информатика–95: Тез. докл. Ч.1. СПб., 1995. С.51–52.
Городецкий В.И., Тулупьев А.Л. Генерация выборки с заданным распределением зависимых случайных событий на основе алгебраической байесовской сети // 4-я Санкт- Петербургская конференция Региональная информатика-95: Тез. докл. Ч.1. СПб., 1995. С.50–51.
Городецкий В.И., Тулупьев А.Л. Непротиворечивость баз знаний с интервальной мерой вероятности // 4-я Санкт-Петербургская конференция Региональная информатика-95: Труды. СПб., 1996.
Городецкий В.И., Тулупьев А.Л. Формирование непротиворечивых баз знаний с неопределенностью. // РАН. Изв. акад. наук. Теория и системы управления. 1997. Т.5. C.33–42.
Городецкий В.И. Моделирование недоопределенных знаний // SCM'98: Сборник докладов. Т.1. СПб., 1998. C.98–102.
Городецкий В.И. Интервальные вероятностные меры неопределенности в инженирии знаний // Теоретические основы и прикладные задачи интеллектуальных информационных технологий. СПб.: СПИИРАН, 1998. C.44–58.
Городецкий В.И., Тулупьев А.Л. Непротиворечивость баз знаний с количественными мерами неопределенности // КИИ'98. Сборник научных трудов. Т.1. Пущино, 1998. C.100– 106.
Тулупьев А.Л. Алгебраические байесовские сети. Логико-вероятностный подход к моделированию баз знаний с неопределённостью. СПб.: СПИИРАН, 2000. 292 с.
Firedman N., Barash Y. Context-Specific Bayesian Clustering for Gene Expression Data // Journal of Computational Biology. 2002. Vol.9. P. 169–191.
Fenton N.E., Neil M. Making Decisions: Using Bayesian Nets and MCDA // Knowledge-Based Systems. 2001. Vol. 14/ P.307–325.
Friedman N., Linial M., Nachman I., and D. Pe'er Using Bayesian Networks to Analyze Expres- sion Data // Journal of Computational Biology. 2000. Vol. 7. P. 601–620.
Finn V. Jensen Bayesian Networks and Decision Graphs. Springer-Verlag, 2002.
Lucas P. Comparison of rule-based and Bayesian network approaches in medical diagnostic systems. // Artificial Intelligence in Medicine (AIME2001) / S. Quaglini, P. Barahona, S. Andreassen (eds.). LNAI2101. Berlin: Springer, 2001. P. 283–292.
Lucas P. Bayesian model-based diagnosis. Technical Report, 2000. // International Journal of Approximate Reasoning. 2001. Vol. 27(2). P. 99–119).
Patterson D.W. Introduction to Artificial Intelligence and Expert Systems. Prentice-Hall International, 1990. 450 p.
Pearl J. How to Do with Probabilities what People Say You Can't // Artificial Intelligence Applica- tions. / Ed. Weisbin C.R. // IEEE, North Holland. 1985. — pp. 6–12.
Pearl J. Probabilistic Reasoning Using Graphs // Uncertainty in Knowledge-Based Systems. Eds. Bouchon B., Yager R.R. Berlin etc., Springer-Verlag, 1987. P.201–202.
Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. San Mateo, CA: Morgan Kaufmann, 1988.
Pearl J., Geiger D. On the Logic of Causal Models // Machine Intelligence & Pattern Recognition (Uncertainty in Artificial Intelligence 4). / Eds. Kanal L.N., Lemmer J.F. 1990. Elsevier Science Publishers B.V., North Holland. Vol. 9. P.3–14.
Городецкий В.И., Тулупьев А.Л. Генерация выборки с заданным распределением зависимых случайных событий на основе алгебраической байесовской сети // 4-я Санкт- Петербургская конференция Региональная информатика-95: Тез. докл. Ч.1. СПб., 1995. С.50–51.
Городецкий В.И., Тулупьев А.Л. Непротиворечивость баз знаний с интервальной мерой вероятности // 4-я Санкт-Петербургская конференция Региональная информатика-95: Труды. СПб., 1996.
Городецкий В.И., Тулупьев А.Л. Формирование непротиворечивых баз знаний с неопределенностью. // РАН. Изв. акад. наук. Теория и системы управления. 1997. Т.5. C.33–42.
Городецкий В.И. Моделирование недоопределенных знаний // SCM'98: Сборник докладов. Т.1. СПб., 1998. C.98–102.
Городецкий В.И. Интервальные вероятностные меры неопределенности в инженирии знаний // Теоретические основы и прикладные задачи интеллектуальных информационных технологий. СПб.: СПИИРАН, 1998. C.44–58.
Городецкий В.И., Тулупьев А.Л. Непротиворечивость баз знаний с количественными мерами неопределенности // КИИ'98. Сборник научных трудов. Т.1. Пущино, 1998. C.100– 106.
Тулупьев А.Л. Алгебраические байесовские сети. Логико-вероятностный подход к моделированию баз знаний с неопределённостью. СПб.: СПИИРАН, 2000. 292 с.
Firedman N., Barash Y. Context-Specific Bayesian Clustering for Gene Expression Data // Journal of Computational Biology. 2002. Vol.9. P. 169–191.
Fenton N.E., Neil M. Making Decisions: Using Bayesian Nets and MCDA // Knowledge-Based Systems. 2001. Vol. 14/ P.307–325.
Friedman N., Linial M., Nachman I., and D. Pe'er Using Bayesian Networks to Analyze Expres- sion Data // Journal of Computational Biology. 2000. Vol. 7. P. 601–620.
Finn V. Jensen Bayesian Networks and Decision Graphs. Springer-Verlag, 2002.
Lucas P. Comparison of rule-based and Bayesian network approaches in medical diagnostic systems. // Artificial Intelligence in Medicine (AIME2001) / S. Quaglini, P. Barahona, S. Andreassen (eds.). LNAI2101. Berlin: Springer, 2001. P. 283–292.
Lucas P. Bayesian model-based diagnosis. Technical Report, 2000. // International Journal of Approximate Reasoning. 2001. Vol. 27(2). P. 99–119).
Patterson D.W. Introduction to Artificial Intelligence and Expert Systems. Prentice-Hall International, 1990. 450 p.
Pearl J. How to Do with Probabilities what People Say You Can't // Artificial Intelligence Applica- tions. / Ed. Weisbin C.R. // IEEE, North Holland. 1985. — pp. 6–12.
Pearl J. Probabilistic Reasoning Using Graphs // Uncertainty in Knowledge-Based Systems. Eds. Bouchon B., Yager R.R. Berlin etc., Springer-Verlag, 1987. P.201–202.
Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. San Mateo, CA: Morgan Kaufmann, 1988.
Pearl J., Geiger D. On the Logic of Causal Models // Machine Intelligence & Pattern Recognition (Uncertainty in Artificial Intelligence 4). / Eds. Kanal L.N., Lemmer J.F. 1990. Elsevier Science Publishers B.V., North Holland. Vol. 9. P.3–14.
Опубликован
2004-04-01
Как цитировать
Николенко, & Тулупьев,. (2004). Простейшие циклы в байесовских сетях доверия: распределение вероятностей и возможность его противоречивого задания. Труды СПИИРАН, 1(2), 119-126. https://doi.org/10.15622/sp.2.7
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
