Inference en réseau bayésien gaussienne

Question

J'ai un problème lié à Abductive partiel decentralise dans les réseaux bayésiens gaussiennes (réseaux bayésiens, qui tient compte du caractère continu des variables aléatoires et suivre conjointement une distribution gaussienne) ...

Mes questions sont:

1. peut les algorithmes tels que la jonction propagation des arbres soit applicable que pour les réseaux bayésiens variables discrètes, dans le cas des réseaux bayésiens gaussienne?
2. Si non alors quels algorithmes sont applicables dans le cas des réseaux gaussiens bayésiens?
3. Existe-t-il une preuve de complexité pour l'inférence abductive partielle dans le cas de réseaux bayésiens gaussiens (comme on sait que la tâche est NP-difficile dans le cas de réseaux bayésiens à variables discrètes)?
4. Les algorithmes évolutifs ou les critères d'échantillonnage MCMC peuvent-ils être appliqués pour l'inférence abductive partielle approximative dans les réseaux bayésiens gaussiens?

Je serai très reconnaissant à tous si vous m'aidiez à cet égard. Merci d'avance ...

Answer 1

Croyance La propagation est un algorithme d'inférence générique basé sur le passage de message qui nécessite deux opérations, sum() et product(), qui peuvent être facilement implémentées pour les variables gaussiennes.

La propagation d'arborescence de jonction est un cas particulier de propagation de croyances s'exécutant sur des arbres, elle peut donc aussi être appliquée à des réseaux gaussiens bayésiens.

Ces livres expliquent l'inférence dans les réseaux bayésiens continue dans certains détails:

• Christopher M. Bishop. Reconnaissance de formes et apprentissage automatique (sciences de l'information et statistiques), 2009
• Daphne Koller, Nir Friedman. Modèles Graphiques Probabilistes, Principes et Techniques, 2009