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.
Simple Cycles in Bayesian Belief Networks: Probabilistic Distribution and an Inconsitent Assignment
Abstract
One of the major problems in developing the theory of bayesian belief networks remains the problem of having directed cycles in the belief network graph. In this paper we consider a belief network consisting of a single cycle of n vertices. We suggest techniques for handling this network. We prove that in order to check consistency in the general case one has to consider the joint probability distribution of all the vertices in the graph.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).
