貝葉斯網(wǎng)絡推理算法研究.pdf

1、基于概率知識表達的貝葉斯網(wǎng),己成為人工智能不確定知識表示與推理領(lǐng)域近幾年來研究的熱點,目前國內(nèi)外的許多研究機構(gòu)都對貝葉斯網(wǎng)進行了深入的研究.本文對貝葉斯網(wǎng)的國內(nèi)外研究現(xiàn)狀進行了深入分析,對它的原理、構(gòu)造方法及其擴展,進行了深入的討論.論文的主要工作和創(chuàng)新之處如下: 1、介紹了貝葉斯網(wǎng)原理及其中的條件獨立性.討論了Bayesian網(wǎng)的常用推理算法,包括:消息傳遞推理算法、子團樹傳播推理算法與基于消元的推理算法等.此外,還對近似推理

2、算法進行了討論. 2、本文從討論聯(lián)結(jié)樹(Junction Tree JT)推理算法入手,提出基于局部聯(lián)結(jié)樹(Local Junction Tree,LJT)的近似推理算法.該算法采用相對于查詢節(jié)點的節(jié)點相關(guān)度來搜索影響較大的節(jié)點,同時考慮了距離影響和證據(jù)節(jié)點的特殊性,使構(gòu)造的子網(wǎng)比較合理,有利于提高推理計算速度和保證較高的計算精度. 3、提出一種基于節(jié)點相關(guān)度NR對DBN進行裁剪的近似推理算法.一般而言,DBN推理過程是