首页> 中文会议>2005全国网络与信息安全技术研讨会 >贝叶斯网络的推理和学习

贝叶斯网络的推理和学习

页面导航

摘要
著录项
相似文献
相关主题

摘要

近五年来，图模型领域的研究取得了瞩目的进展。其中，贝叶斯网络[1]作为一个描述、学习、计算复杂条件下概率分布的决策分析工具，被应用到众多领域。在模式识别领域，图模型的方法已经被应用到诸如计算机视觉，HCI，生物信息学等。图模型为这些领域提供了有力的贝叶斯方法的计算支持。图模型包括一些已被我们所知的工具，如马尔科夫随机场，隐马尔科夫模型，Kalman滤波。更为重要的是，图模型使在形式上为归纳这些工具成为可能，并可以根据推论及学习的需要，进行概率表述及相关算法的设计。本文着重讲述贝叶斯网络及动态贝叶斯网络研究的进展及其的推理及学习算法。

著录项

来源
《2005全国网络与信息安全技术研讨会》|2005年|268-275|共8页
会议地点北京
作者
姜峰; 高文; 姚鸿勋;
展开▼
作者单位

中国通信学会;

中国互联网协会;

信息产业部;

展开▼
会议组织
正文语种
原文格式 PDF
中图分类算法理论;
关键词
贝叶斯网络; 图模型; 推理算法; 学习算法;

相似文献

中文文献
外文文献
专利

1. 贝叶斯网络推理与学习方法研究 [J] . Song Caiwen ,Duan Xiaoyu . 信息记录材料 . 2019,第006期
2. 机器学习中的贝叶斯网络及其推理分析 [J] . 张慧莹 ,宁媛 ,邵晓非 . 现代机械 . 2012,第002期
3. 基于贝叶斯网络工具箱的贝叶斯学习和推理 [J] . 蒋望东 ,林士敏 . 信息技术 . 2007,第002期
4. 基于故障树的复杂装备模糊贝叶斯网络推理故障诊断 [J] . 陈洪转 ,赵爱佳 ,李腾蛟 . 系统工程与电子技术 . 2021,第005期
5. 基于可微神经计算机和贝叶斯网络的知识推理方法 [J] . 孙建强 ,许少华 . 计算机应用 . 2021,第002期
6. 基于贝叶斯网络推理的干散货疏运偷盗风险分析 [C] . CUI Weiping ,崔维平 ,HUANG Lei . 信息系统协会中国分会第七届学术年会 . 2017
7. 基于独立性验证和因果推理的贝叶斯网络结构学习 [A] . 刘洋 . 2021

贝叶斯网络的推理和学习

摘要

著录项

相似文献

相关主题

期刊订阅