基础知识
相互独立时,p(A | B) = p(A)
贝叶斯规则
贝叶斯网络(Bayesian Network)定了一个独立的结构:一个节点的概率仅依赖于它的父节点。贝叶斯网络适用于稀疏模型,即大部分节点之间不存在任何直接的依赖关系。
联合概率(Joint Probability),表示所有节点共同发生的概率,将所有条件概率相乘:
我们最终的目标是计算准确的边缘概率(Marginal Probability),比如计算Hangover的概率,边缘概率为各种状态下所有其他节点对本节点影响的概率的和。
边缘概率(Marginal Probability):即

本文介绍了置信度传播算法(Belief Propagation)的基础知识,包括条件概率、贝叶斯网络、马尔科夫随机场(MRF)以及边缘概率计算。BP算法利用节点间消息传递更新MRF的状态,适用于大型贝叶斯网络的推断问题,其时间复杂度与节点数线性相关,降低了计算难度。通过对MRF的迭代运算,最终计算出节点的边缘概率分布。
最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



