Логико-вероятностный вывод в направленном БСД-цикле
Аннотация
Обработка направленный циклов остается открытым вопросом в теории байесовских сетей доверия (БСД). Нами предлагается алгоритм первичной пропагации, который основан на традиционном для БСД принципе — передаче сообщений между узлами. Получаемые результаты вычислений совпадают с результатами алгоритма, предложенного ранее, но основанного на другом подходе. Кроме того, в результате указанных вычислений формируется семантический эквивалентный образ направленного БСД-цикла. При переходе к этому образу становится возможным использование ряда алгоритмов логико-вероятностного вывода(ЛВВ): поддержание непротиворечивости, априорный вывод и апостериорный вывод.Литература
Городецкий В. И., Тулупьев А.Л. Формирование непротиворечивых баз знаний с неопределенностью // Изв. РАН. Сер. Теория и системы управления. 1997. Т. 5. С. 33–42.
Городецкий В.И. Алгоритмизация приближенных рассуждений на основе байесовского вывода // Труды 2-й Всесоюзной конференции «Искусственный интеллект-90». Т. 1. Минск, 1990. С. 86–92.
Городецкий В.И. Байесовский вывод. Препринт №149. Л.: ЛИИАН, 1991. 38 с.
Городецкий В.И. Алгебраические байесовские сети — новая парадигма экспертных систем // Юбилейный сборник трудов институтов отделения информатики, вычислительной техники и автоматизации РАН. Т. 2. М.: РАН, 1993. С. 120–141.
Николенко С. И., Сироткин А. В., Тулупьев А. Л. Направленный цикл и его влияние на соседние узлы в байесовских сетях доверия // Всероссийская научная конференция по нечетким системам и мягким вычислениям НСМВ-2006 (20–22 сентября 2006 г., Тверь): Труды конференции. М.: Физматлит, 2006. C. 150–166.
Николенко С. И., Тулупьев А. Л. Учет направленных циклов в байесовских сетях доверия: семантика и вопросы сложности // Сб. научных трудов III Международного научно-практического семинара «Интегрированные модели и мягкие вычисления в искусственном интеллекте». М.: Физматлит, 2005. C. 376–382.
Николенко С. И., Тулупьев А. Л. Простейшие циклы в байесовских сетях доверия: распределение вероятностей и возможность его непротиворечивого задания // Труды СПИИРАН. 2004. Вып. 2, т. 1. СПб.: Наука, 2004. C. 119–126.
Николенко С. И., Тулупьев А. Л. Разворот ребер как метод работы с направленными циклами в байесовских сетях // Научная сессия МИФИ-2005. Сборник научных трудов (в 15 томах). Том 3. Интеллектуальные системы и технологии. М.: МИФИ, 2005. С. 176–178.
Тулупьев А. Л., Николенко С. И. Циклы обратной связи узлов с одним предшественником в байесовских сетях доверия // Труды IX конференции «Региональная информатика», Санкт- Петербург, 2004. С. 65–66.
Тулупьев А. Л., Николенко С. И., Сироткин А. В. Байесовские сети: логико-вероятностный подход. СПб.: Наука, 2006. 608 с.
Тулупьев А. Л., Николенко С. И., Сироткин А. В. Циклы в байесовских сетях: вероятностная семантика и отношения с соедними узлами // Труды СПИИРАН. 2006. Вып. 3, т. 1. СПб.: Наука, 2004. C. 240–263.
Gorodetsky V. I., Drozdgin V. V., Jusupov R. M. Application of Attributed Grammar and Algorithmic Sensitivity Model for Knowledge Representation and Estimation // Artificial Intelligence and Information, Control System of ROBOTSA. Amsterdam: Elseivier Science Publishers B. V., 1984. С. 232–237.
Jensen F. V. Bayesian Networks and Decision Graphs. NY.: Springer-Verlag, 2001. 268 p.
Tulupyev A. L., Nikolenko S. I. Directed Cycles in Bayesian Belief Networks: Probabilistic Semantics and Consistency Checking Complexity // MICAI 2005: Advances in Artificial Intelligence. Proceedings Series: Lecture Notes in Computer Science; Subseries: Lecture Notes in Artificial Intelligence, Vol. 3789 / Gelbukh, Alexander; Terashima, Hugo (Eds.) 2005. XXVI. P. 214–223.
Городецкий В.И. Алгоритмизация приближенных рассуждений на основе байесовского вывода // Труды 2-й Всесоюзной конференции «Искусственный интеллект-90». Т. 1. Минск, 1990. С. 86–92.
Городецкий В.И. Байесовский вывод. Препринт №149. Л.: ЛИИАН, 1991. 38 с.
Городецкий В.И. Алгебраические байесовские сети — новая парадигма экспертных систем // Юбилейный сборник трудов институтов отделения информатики, вычислительной техники и автоматизации РАН. Т. 2. М.: РАН, 1993. С. 120–141.
Николенко С. И., Сироткин А. В., Тулупьев А. Л. Направленный цикл и его влияние на соседние узлы в байесовских сетях доверия // Всероссийская научная конференция по нечетким системам и мягким вычислениям НСМВ-2006 (20–22 сентября 2006 г., Тверь): Труды конференции. М.: Физматлит, 2006. C. 150–166.
Николенко С. И., Тулупьев А. Л. Учет направленных циклов в байесовских сетях доверия: семантика и вопросы сложности // Сб. научных трудов III Международного научно-практического семинара «Интегрированные модели и мягкие вычисления в искусственном интеллекте». М.: Физматлит, 2005. C. 376–382.
Николенко С. И., Тулупьев А. Л. Простейшие циклы в байесовских сетях доверия: распределение вероятностей и возможность его непротиворечивого задания // Труды СПИИРАН. 2004. Вып. 2, т. 1. СПб.: Наука, 2004. C. 119–126.
Николенко С. И., Тулупьев А. Л. Разворот ребер как метод работы с направленными циклами в байесовских сетях // Научная сессия МИФИ-2005. Сборник научных трудов (в 15 томах). Том 3. Интеллектуальные системы и технологии. М.: МИФИ, 2005. С. 176–178.
Тулупьев А. Л., Николенко С. И. Циклы обратной связи узлов с одним предшественником в байесовских сетях доверия // Труды IX конференции «Региональная информатика», Санкт- Петербург, 2004. С. 65–66.
Тулупьев А. Л., Николенко С. И., Сироткин А. В. Байесовские сети: логико-вероятностный подход. СПб.: Наука, 2006. 608 с.
Тулупьев А. Л., Николенко С. И., Сироткин А. В. Циклы в байесовских сетях: вероятностная семантика и отношения с соедними узлами // Труды СПИИРАН. 2006. Вып. 3, т. 1. СПб.: Наука, 2004. C. 240–263.
Gorodetsky V. I., Drozdgin V. V., Jusupov R. M. Application of Attributed Grammar and Algorithmic Sensitivity Model for Knowledge Representation and Estimation // Artificial Intelligence and Information, Control System of ROBOTSA. Amsterdam: Elseivier Science Publishers B. V., 1984. С. 232–237.
Jensen F. V. Bayesian Networks and Decision Graphs. NY.: Springer-Verlag, 2001. 268 p.
Tulupyev A. L., Nikolenko S. I. Directed Cycles in Bayesian Belief Networks: Probabilistic Semantics and Consistency Checking Complexity // MICAI 2005: Advances in Artificial Intelligence. Proceedings Series: Lecture Notes in Computer Science; Subseries: Lecture Notes in Artificial Intelligence, Vol. 3789 / Gelbukh, Alexander; Terashima, Hugo (Eds.) 2005. XXVI. P. 214–223.
Probabilistic Logic Inference for a Directed Cycle in Bayesian Belief Networks
Abstract
Processing of a directed cycle remains an open question of the Bayesian belief network theory. We propose a message-passing algorithm for initial propagation in the cycle. The results of this algorithms are fully compatible with the results of the algorithms we proposed earlier that is based on another principle. Besides, as result of this computations is formed a semantically equal image of the directed cycle in a Bayesian belief network. For this image we could perform probabilistic logic inference: reconciliation, a priori inference and a posteriori inference.Опубликован
2007-08-01
Как цитировать
Тулупьев, & Абрамян,. (2007). Логико-вероятностный вывод в направленном БСД-цикле. Труды СПИИРАН, (4), 87-118. https://doi.org/10.15622/sp.4.5
Выпуск
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).
