Structure and Reasoning in Bayesian Networks

• Autorzy: Kłopotek M.

Warianty tytułu

PL

Struktura a wnioskowanie w sieciach bayesowskich

• Języki publikacji: EN

Abstrakty

EN

Bayesian networks have many practical applications due to their capability to represent joint probability distribution in many variables in a compact way. Though there exist many algorithms for learning Bayesian networks from data, they are not satisfactory because the learned networks usually are not suitable for reasoning. So far only a restricted class of very simple Bayesian networks: trees and poly-trees are directly applicable in reasoning. This paper defines and explores a new class of networks: the Structured Bayesian Networks. Two methods of reasoning are outlined for this type of networks. Possible methods of learning from data are indicated. Similarity to hierarchical networks is pointed at.

PL

Sieci bayesowskie maja wiele praktycznych zastosowań związanych z ich zdolnością do zwartej reprezentacji rozkładów prawdopodobieństwa w wielu zmiennych. Choć znanych jest wiele algorytmów uczących sieci bayesowskie z danych, nie są one satysfakcjonujące, ponieważ wynikowe struktury sieci na ogół nie nadają się do celów wnioskowania eksperckiego, z wyjątkiem bardzo prostych struktur drzew i polidrzew. Niniejszy artykuł definiuje i bada nową klasę sieci bayesowskich: tzw. strukturalne sieci bayesowskie. Przedstawiono dwie metody wnioskowania dla tych sieci. Wskazano na możliwość uczenia się tych sieci z danych. Sieci te można uważać za interesujący szczególny przypadek sieci hierarchicznych.

Słowa kluczowe

EN

Bayesian networks; reasoning; hierarchical networks

PL

sieci bayesowskie; wnioskowanie; strukturalizacja; sieci hierarchiczne

• Wydawca: Instytut Podstaw Informatyki PAN
• Czasopismo: Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk
• Rocznik: 2001
• Tom: Nr 941
• Strony: 1--12

Twórcy

autor

Kłopotek M.

• Instytut Podstaw Informatyki PAN ul. Ordona 21 01-237 Warszawa,