Bayesian网推理及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

Bayesian网推理及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论1

1.1　研究背景和意义1

1.1.1 不确定性知识的表示方法1

1.1.2　Bayesian网的产生与发展3

1.1.3　Bayesian网的应用领域5

1.2　本书工作7

1.2.1 研究目标、思路和路线7

1.2.2　本文主要内容7

2.1　贝叶斯定理9

第2章　Bayesian网有关概念和特性9

2.2　Bayesian网相关概念13

2.2.1 Bayesian网定义13

2.2.2 Bayesian网的语义17

2.2.3　Bayesian网的主要研究方向17

2.2.4　Bayesian网的研究热点17

2.3　Bayesian网有关特性18

2.3.1 Bayesian网中的条件独立关系19

2.3.2　Bayesian网中的上下文独立关系21

2.3.3 Bayesian网中的因果影响独立关系21

2.4　Bayesian网中独立关系的作用24

2.5　小结25

第3章　Bayesian网模型的生成26

3.1 引言26

3.2　Bayesian网的图形表示27

3.2.1 静态模型27

3.2.2 动态模型29

3.3　推理Bayesian网模型30

3.3.1 基于知识的模型构建31

3.3.2　从观察事例中进行Bayesian网推理32

3.3.3 不完备数据学习38

3.4　小结40

第4章　Bayesian网转换为神经网络42

4.1 引言42

4.2　相关工作介绍42

4.3　Bayesian网和PI-SIGMA网43

4.3.1　Bayesian网43

4.3.2　PI-SIGMA网44

4.4　Bayesian后向传播网45

4.5　后向传播学习法则46

4.6　分布的表示48

4.7　归纳的经验评估49

4.8　小结50

第5章　Bayesian网精确推理52

5.1 引言52

5.2　双向推理53

5.3　精确推理54

5.3.1　精确推理算法54

5.3.2　边际概率的有效计算55

5.4　Bayesian网推理的主要算法56

5.4.1　基于多树传播方法56

5.4.2　基于团树传播的方法58

5.4.3 图归约方法59

5.4.4　基于组合优化的方法60

5.5　一种新的联合树算法61

5.5.1 优化联合树算法62

5.5.2　联合树算法65

5.5.3　证明算法正确性66

5.5.4　算法的进一步优化67

5.6　小结68

第6章　Bayesian网近似推理71

6.1　近似推理算法71

6.2　从误差边界对近似推理算法分类73

6.3　仿真方法75

6.4　高斯近似方法81

6.5　小结83

第7章　Bayesian网推理应用84

7.1　概率推理84

7.2　Bayesian网的结构推理86

7.2.1 边际似然和Bayesian Dirichlet得分86

7.2.2　结构学习87

7.2.3 举例87

7.2.4　Hierarchical模型88

7.3　数据遗漏条件下的Bayesian推理方法90

7.3.1 数据遗漏模式90

7.3.2　数据遗漏时的Bayesian推理91

7.3.3　定界塌陷方法91

7.4　基于马尔可夫假设的因果分析93

7.5　Bayesian网中的决策模型97

7.6　小结102

附录1　基于遗传算法的Bayesian网结构增量推理学习104

附录2　影响图中的概率推理114

参考文献137